Cursos de GPU en Santiago

Huawei Ascend es una familia de procesadores de IA diseñados para inferencia y entrenamiento de alto rendimiento.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de IA y científicos de datos de nivel intermedio que deseen desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el conjunto de herramientas CANN.

Al finalizar esta formación, los participantes podrán:

• Configurar el entorno de desarrollo de CANN.
• Desarrollar aplicaciones de IA utilizando flujos de trabajo de MindSpore y CloudMatrix.
• Optimizar el rendimiento en NPUs Ascend mediante operadores personalizados y estrategias de partición (tiling).
• Desplegar modelos en entornos de edge (borde) o nube.

Formato del curso

• Clase interactiva y discusión grupal.
• Práctica directa con Huawei Ascend y el conjunto de herramientas CANN en aplicaciones de ejemplo.
• Ejercicios guiados centrados en la construcción, entrenamiento y despliegue de modelos.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su infraestructura o conjuntos de datos, por favor contáctenos para coordinarlo.

La pila de inteligencia artificial (IA) de Huawei, que abarca desde el SDK de bajo nivel CANN hasta el marco de trabajo de alto nivel MindSpore, ofrece un entorno de desarrollo y despliegue de IA estrechamente integrado, optimizado para hardware Ascend.

Esta capacitación en vivo con instructor (en línea o presencial) está dirigida a profesionales técnicos principiantes e intermedios que desean comprender cómo los componentes CANN y MindSpore trabajan juntos para administrar el ciclo de vida de la IA y tomar decisiones sobre infraestructura.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura en capas de la pila de computación para IA de Huawei.
• Identificar cómo CANN admite la optimización de modelos y el despliegue a nivel de hardware.
• Evaluar el marco de trabajo MindSpore y su conjunto de herramientas en comparación con las alternativas del sector.
• Situar la pila de IA de Huawei dentro de entornos empresariales o de nube/on-premise (instalación propia).

Formato del curso

• Conferencia interactiva y debate.
• Demostraciones en vivo de sistemas y recorridos prácticos basados en casos.
• Laboratorios guiados opcionales sobre el flujo de modelos desde MindSpore hasta CANN.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Esta capacitación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar OpenACC para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo con OpenACC.
• Escribir y ejecutar un programa básico de OpenACC.
• Anotar el código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Realizar perfilado, depuración y optimización de programas en OpenACC.

El SDK CANN (Compute Architecture for Neural Networks) proporciona potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de la IA de nivel intermedio que desean construir, implementar y optimizar modelos de visión y lenguaje para casos de uso de producción utilizando el SDK CANN.

Al finalizar esta capacitación, los participantes serán capaces de:

• Implementar y optimizar modelos CV y PLN utilizando CANN y AscendCL.
• Utilizar las herramientas CANN para convertir modelos e integrarlos en canales en vivo.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir canales CV/PLN en tiempo real para escenarios de implementación en edge o en la nube.

Formato del curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y análisis de rendimiento.
• Diseño de canales en vivo utilizando casos de uso reales de CV y PLN.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.

Este entrenamiento en vivo impartido por un instructor en Santiago (en línea o presencial) está dirigido a desarrolladores de nivel principiante a intermedio que desean aprender los fundamentos de la programación para GPU y los principales marcos y herramientas para desarrollar aplicaciones GPU.

• Al finalizar este entrenamiento, los participantes podrán:
  Comprender la diferencia entre la computación en CPU y GPU, así como las ventajas y desafíos de la programación para GPU.
• Elegir el marco y la herramienta adecuados para su aplicación GPU.
• Crear un programa GPU básico que realice una suma de vectores utilizando uno o más de los marcos y herramientas.
• Utilizar las API, lenguajes y bibliotecas correspondientes para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los espacios de memoria correspondientes, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución correspondientes, como elementos de trabajo, grupos de trabajo, hilos, bloques y cuadrículas, para controlar el paralelismo.
• Depurar y probar programas GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas GPU mediante técnicas como fusión de accesos, almacenamiento en caché, precarga y perfilado.

CANN TIK (Tensor Instruction Kernel) y Apache TVM permiten la optimización avanzada y la personalización de operadores de modelos de IA para el hardware Huawei Ascend.

Esta formación en vivo, impartida por instructores (en línea o presencial), está dirigida a desarrolladores de sistemas de nivel avanzado que deseen construir, implementar y ajustar operadores personalizados para modelos de IA utilizando el modelo de programación TIK de CANN y la integración con el compilador TVM.

Al finalizar esta formación, los participantes podrán:

• Escribir y probar operadores de IA personalizados utilizando el DSL TIK para procesadores Ascend.
• Integrar operaciones personalizadas en el entorno de ejecución y el grafo de ejecución de CANN.
• Utilizar TVM para la programación del flujo de trabajo del operador, el ajuste automático y la evaluación comparativa (benchmarking).
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cálculo personalizados.

Formato del curso

• Conferencia interactiva y demostraciones prácticas.
• Codificación práctica de operadores utilizando las tuberías (pipelines) de TIK y TVM.
• Pruebas y ajustes en hardware Ascend o simuladores.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.

Esta capacitación en vivo dirigida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar diferentes marcos para la programación de GPU y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, CUDA Toolkit, la plataforma ROCm, un dispositivo que admita OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa básico de GPU que realice una suma de vectores utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, estructura y ejecución de cada marco.
• Utilizar las API respectivas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los lenguajes respectivos para escribir kernels que se ejecutan en el dispositivo y manipulan los datos.
• Utilizar las funciones integradas, variables y bibliotecas respectivas para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar los modelos de ejecución respectivos para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de GPU mediante técnicas como la coalescencia (coalescing), el almacenamiento en caché, la previsualización de datos (prefetching) y la perfiliación (profiling).

CloudMatrix es la plataforma unificada de desarrollo e implementación de IA de Huawei, diseñada para soportar pipelines de inferencia escalables y orientados a producción.

Esta capacitación en vivo dirigida por instructores (en línea o presencial) está dirigida a profesionales de IA de nivel principiante a intermedio que deseen implementar y monitorear modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar esta capacitación, los participantes podrán:

• Utilizar CloudMatrix para el empaquetado, implementación y servicio de modelos.
• Convertir y optimizar modelos para chipsets Ascend.
• Configurar pipelines para tareas de inferencia en tiempo real y por lotes.
• Monitorear las implementaciones y ajustar el rendimiento en entornos de producción.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico de CloudMatrix con escenarios de implementación reales.
• Ejercicios guiados centrados en la conversión, optimización y escalado.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su infraestructura de IA o entorno en la nube, contáctenos para organizarlo.

El kit de herramientas Ascend CANN de Huawei habilita una potente inferencia de IA en dispositivos de borde, como el Ascend 310. CANN proporciona las herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con recursos computacionales y de memoria limitados.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores e integradores de IA de nivel intermedio que deseen implementar y optimizar modelos en dispositivos de borde Ascend utilizando la cadena de herramientas CANN.

Al finalizar esta formación, los participantes serán capaces de:

• Preparar y convertir modelos de IA para el Ascend 310 utilizando las herramientas CANN.
• Construir pipelines de inferencia ligeros utilizando MindSpore Lite y AscendCL.
• Optimizar el rendimiento del modelo para entornos con capacidad computacional y memoria limitadas.
• Implementar y supervisar aplicaciones de IA en casos de uso reales en el extremo.

Formato del curso

• Conferencia interactiva y demostraciones.
• Práctica de laboratorio con modelos y escenarios específicos para el extremo.
• Ejemplos de implementación en vivo en hardware de borde virtual o físico.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.

Esta formación en vivo guiada por un instructor en Santiago (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean instalar y utilizar ROCm en Windows para programar GPUs AMD y explotar su paralelismo.

Al final de esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU AMD y Visual Studio Code en Windows.
• Crear un programa básico de ROCm que realice la suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm e HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm e HIP utilizando técnicas como coalescencia, almacenamiento en caché, prebúsqueda (prefetching) y perfilado.

Esta formación en vivo, impartida por un instructor, en Santiago (en línea o presencial), está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar ROCm e HIP para programar GPUs AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU AMD y Visual Studio Code.
• Crear un programa básico de ROCm que realice una suma de vectores en la GPU y obtenga los resultados desde la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria de dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir kernels que se ejecutan en la GPU y manipulan datos.
• Utilizar funciones intrínsecas, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
• Aprovechar los espacios de memoria de ROCm e HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como el Depurador de ROCm y el Analizador (Profiler) de ROCm.
• Optimizar programas de ROCm e HIP mediante técnicas como la coalescencia, almacenamiento en caché, precarga y perfilado.

CANN (Compute Architecture for Neural Networks) es el kit de herramientas de computación con IA de Huawei, utilizado para compilar, optimizar y desplegar modelos de IA en procesadores AI Ascend.

Esta formación en vivo con instrucción presencial (en línea o in situ) está dirigida a desarrolladores de IA principiantes que desean comprender cómo CANN se integra en el ciclo de vida del modelo, desde el entrenamiento hasta el despliegue, y cómo funciona junto con frameworks como MindSpore, TensorFlow y PyTorch.

Al finalizar esta formación, los participantes podrán:

• Comprender el propósito y la arquitectura del kit de herramientas CANN.
• Configurar un entorno de desarrollo con CANN y MindSpore.
• Convertir y desplegar un modelo de IA sencillo en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración de CANN.

Formato del curso

• Conferencias interactivas y debates.
• Prácticas con despliegue de modelos sencillos.
• Recorrido paso a paso por la cadena de herramientas CANN y sus puntos de integración.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para concertar los detalles.

Ascend, Biren y Cambricon son plataformas de hardware de inteligencia artificial líderes en China, cada una ofreciendo herramientas únicas de aceleración y perfilado para cargas de trabajo de IA a escala de producción.

Esta formación impartida por un instructor (en línea o presencial) está dirigida a ingenieros avanzados de infraestructura y rendimiento de IA que desean optimizar los flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips de IA chinos.

Al finalizar esta capacitación, los participantes podrán:

• Realizar benchmarking de modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias de memoria/cómputo.
• Aplicar optimizaciones a nivel de grafo, kernel y operador.
• Ajustar los flujos de despliegue para mejorar el throughput y la latencia.

Formato del Curso

• Clase magistral interactiva y discusión.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados centrados en escenarios prácticos de ajuste.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso basada en su entorno de rendimiento o tipo de modelo, contáctenos para organizarla.

El SDK CANN (Compute Architecture for Neural Networks) es la base de computación para inteligencia artificial de Huawei que permite a los desarrolladores ajustar y optimizar el rendimiento de las redes neuronales implementadas en procesadores de IA Ascend.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a desarrolladores de IA y ingenieros de sistemas de nivel avanzado que desean optimizar el rendimiento de la inferencia utilizando el conjunto avanzado de herramientas de CANN, incluido el Graph Engine, TIK y el desarrollo de operadores personalizados.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura en tiempo de ejecución de CANN y su ciclo de vida del rendimiento.
• Utilizar herramientas de perfilado y Graph Engine para el análisis y la optimización del rendimiento.
• Crear y optimizar operadores personalizados utilizando TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el procesamiento (throughput) de los modelos.

Formato del curso

• Conferencia interactiva y discusión.
• Laboratorios prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de implementación en casos extremos (edge cases).

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.

Las arquitecturas GPU chinas, como Huawei Ascend, Biren y los MLU de Cambricon, ofrecen alternativas a CUDA adaptadas para los mercados locales de IA y HPC.

Esta formación en vivo, impartida por instructores (en línea o presencial), está dirigida a programadores de GPU de nivel avanzado y especialistas en infraestructura que deseen migrar y optimizar aplicaciones CUDA existentes para su implementación en plataformas de hardware chinas.

Al finalizar esta capacitación, los participantes serán capaces de:

• Evaluar la compatibilidad de las cargas de trabajo CUDA existentes con alternativas de chips chinos.
• Transferir bases de código CUDA a entornos como Huawei CANN, Biren SDK y Cambricon BANGPy.
• Comparar el rendimiento e identificar puntos de optimización en distintas plataformas.
• Solucionar los desafíos prácticos del soporte entre arquitecturas y la implementación.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos de traducción de código y comparación de rendimiento.
• Ejercicios guiados centrados en estrategias de adaptación a múltiples GPU.

Opciones de personalización del curso

• Para solicitar una formación personalizada basada en su plataforma o proyecto CUDA, contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Santiago (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean usar CUDA para programar GPUs de NVIDIA y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el Toolkit de CUDA, una GPU de NVIDIA y Visual Studio Code.
• Crear un programa básico de CUDA que realice la suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de CUDA para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión y el dispositivo, lanzar kernels y sincronizar hilos.
• Usar el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas de CUDA para realizar tareas y operaciones comunes.
• Aprovechar los espacios de memoria de CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Usar el modelo de ejecución de CUDA para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de CUDA utilizando herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de CUDA utilizando técnicas como la coalescencia, el caché, la precarga y el perfilado.

97 % de los clientes satisfechos.

CANN (Compute Architecture for Neural Networks) es la pila de computación para IA de Huawei, diseñada para desplegar y optimizar modelos de inteligencia artificial en procesadores Ascend.

Esta formación presencial impartida por un instructor (online o in situ) está dirigida a desarrolladores e ingenieros de nivel intermedio que deseen implementar modelos de IA entrenados de manera eficiente en hardware Huawei Ascend, utilizando el conjunto de herramientas CANN y plataformas como MindSpore, TensorFlow o PyTorch.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura de CANN y su papel dentro del flujo de trabajo de despliegue de IA.
• Convertir y adaptar modelos provenientes de frameworks populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, la conversión de modelos OM y MindSpore para inferencia en edge (borde) y en la nube.
• Diagnosticar problemas de implementación y optimizar el rendimiento en hardware Ascend.

Formato del curso

• Clase interactiva acompañada de demostraciones prácticas.
• Ejercicios prácticos utilizando herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios reales de despliegue basados en modelos de IA del mundo actual.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Los aceleradores Biren son GPUs de alto rendimiento diseñadas para cargas de trabajo de IA y HPC, con soporte para entrenamiento e inferencia a gran escala.

Esta formación presencial impartida por un instructor (en línea o en las instalaciones) está dirigida a desarrolladores de nivel intermedio a avanzado que deseen programar y optimizar aplicaciones utilizando la pila GPU propietaria de Biren, con comparaciones prácticas con entornos basados en CUDA.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura de la GPU Biren y su jerarquía de memoria.
• Configurar el entorno de desarrollo y utilizar el modelo de programación de Biren.
• Traducir y optimizar código estilo CUDA para plataformas Biren.
• Aplicar técnicas de ajuste de rendimiento y depuración.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico del SDK de Biren en cargas de trabajo GPU de ejemplo.
• Ejercicios guiados centrados en la portabilidad y el ajuste de rendimiento.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su pila de aplicaciones o necesidades de integración, contáctenos para coordinarlo.

Las unidades de aprendizaje profundo (MLU) de Cambricon son chips de IA especializados, optimizados para inferencia y entrenamiento en escenarios de edge y centros de datos.

Esta formación en vivo, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores de nivel intermedio que desean construir e implementar modelos de IA utilizando el marco BANGPy y el SDK Neuware sobre hardware Cambricon MLU.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar y preparar los entornos de desarrollo para BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las MLU de Cambricon.
• Implementar modelos en dispositivos edge y centros de datos que ejecuten el entorno de ejecución de Neuware.
• Integrar flujos de trabajo de aprendizaje automático con características de aceleración específicas para MLU.

Formato del curso

• Ponencias y discusiones interactivas.
• Uso práctico de BANGPy y Neuware para desarrollo e implementación.
• Ejercicios guiados centrados en optimización, integración y pruebas.

Opciones de personalización del curso

• Para solicitar una formación personalizada basada en el modelo de dispositivo Cambricon o caso de uso específico, por favor contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Santiago (en línea o presencial) está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que deseen instalar, configurar, administrar y solucionar problemas de entornos CUDA.

Al final de esta formación, los participantes podrán:

• Comprender la arquitectura, los componentes y las capacidades de CUDA.
• Instalar y configurar entornos CUDA.
• Gestionar y optimizar los recursos de CUDA.
• Depurar y solucionar problemas comunes de CUDA.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, un dispositivo compatible con OpenCL y Visual Studio Code.
• Crear un programa básico de OpenCL que realice una suma de vectores en el dispositivo y recupere los resultados desde la memoria del dispositivo.
• Utilizar la API de OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, buffers, kernels y eventos.
• Emplear el lenguaje OpenCL C para escribir kernels que se ejecutan en el dispositivo y manipulan datos.
• Utilizar las funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Aplicar los modelos de memoria del host y del dispositivo en OpenCL para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar work-items, grupos de trabajo (work-groups) y rangos ND (ND-ranges).
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL mediante técnicas como la vectorización, el desenrollado de bucles (loop unrolling), memoria local y perfilado (profiling).

Este curso de formación en vivo y con instructores en Santiago cubre cómo programar GPUs para computación paralela, cómo utilizar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar varias técnicas de optimización utilizando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis, procesamiento de imágenes y aplicaciones de ingeniería.