Cursos de GPU en Santiago

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.

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.

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).

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.

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.

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).

Esta formación en vivo impartida por un instructor en Santiago (en línea o presencial) está dirigida a desarrolladores de C++ que desean utilizar CUDA para acelerar aplicaciones, escribir núcleos GPU de alto rendimiento y aprovechar bibliotecas de algoritmos paralelos para cargas de trabajo de computación científica, procesamiento de datos y aprendizaje automático.

Esta formación en vivo impartida por un instructor en Santiago (en línea o presencial) está dirigida a desarrolladores C/C++ que desean usar CUDA para acelerar aplicaciones intensivas en cómputo, incluyendo procesamiento de datos, simulaciones científicas, cargas de trabajo de aprendizaje automático y canales de procesamiento de imágenes.

Esta formación en vivo con instructores en Santiago (en línea o presencial) está dirigida a desarrolladores de software, analistas de datos y profesionales técnicos que desean utilizar TensorFlow 2.x y Keras para construir, entrenar e implementar modelos de aprendizaje profundo para aplicaciones de visión por computadora, procesamiento del lenguaje natural y multimodales.

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.