Cursos de GPU en Guayaquil

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

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

• Configurar un entorno de desarrollo de OpenACC.
• Escribir y ejecutar un programa básico de OpenACC.
• Anotar código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Perfilar, depurar y optimizar programas de OpenACC.

Esta formación en vivo impartida por un instructor en Guayaquil (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean aprender los fundamentos de la programación de GPU y los principales marcos de trabajo y herramientas para desarrollar aplicaciones de GPU.

• Al finalizar esta formación, los participantes serán capaces de:
  Entender la diferencia entre la computación con CPU y GPU, así como las ventajas y desafíos de la programación de GPU.
• Elegir el marco de trabajo y la herramienta adecuados para su aplicación de GPU.
• Crear un programa básico de GPU que realice una suma de vectores utilizando uno o más de los marcos de trabajo y herramientas.
• Utilizar las respectivas APIs, lenguajes y bibliotecas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión (host) y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los respectivos espacios de memoria, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar los respectivos modelos de ejecución, como work-items (elementos de trabajo), work-groups (grupos de trabajo), hilos, bloques y grillas, para controlar 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, el almacenamiento en caché, la prefetching (precarga) y el perfilado.

Esta formación práctica impartida por un instructor en Guayaquil (en línea o presencial) está dirigida a desarrolladores principiantes e intermedios que deseen utilizar diferentes marcos de trabajo para la programación de GPUs y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, CUDA Toolkit, la plataforma ROCm, un dispositivo que soporte OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa básico de GPU que realice una adición vectorial utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, estructura y ejecución de cada marco de trabajo.
• Utilizar las APIs 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 respectivos lenguajes para escribir kernels que se ejecutan en el dispositivo y manipulan datos.
• Utilizar las funciones integradas, variables y bibliotecas respectivas para realizar tareas y operaciones comunes.
• Utilizar los respectivos espacios de memoria, como global, local, constante y privado, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar los respectivos modelos de ejecución 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 utilizando técnicas como coalescencia, almacenamiento en caché, prebúsqueda y perfilado.

Esta formación en vivo con un instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean instalar y utilizar ROCm en Windows para programar GPUs de 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 de 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, iniciar núcleos (kernels) y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir núcleos 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 y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar los modelos de ejecución de ROCm y HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm y HIP utilizando herramientas como el depurador ROCm y el perfilador ROCm.
• Optimizar programas de ROCm y HIP utilizando técnicas como la coalescencia, el almacenamiento en caché, la precarga y el perfilado.

Esta formación en vivo impartida por un instructor en <ubicaciones> (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 final de esta formación, los participantes podrán:

• 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 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, variables y bibliotecas integradas 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 mediante técnicas como la coalescencia, el almacenamiento en caché, la prefetching (prebúsqueda) y el perfilado.

Esta formación en vivo impartida por instructores en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar CUDA para programar GPUs NVIDIA y explotar su capacidad de paralelismo.

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

• Configurar un entorno de desarrollo que incluya el Toolkit de CUDA, una GPU 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 host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones, variables y bibliotecas integradas de CUDA para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar 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 combinación (coalescing), almacenamiento en caché, precarga y perfilado.

97% de clientes satisfechos.

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

Al finalizar 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 Guayaquil (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 serán capaces de:

• 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 la 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, búferes, kernels y eventos.
• Utilizar el lenguaje C de OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Utilizar los modelos de memoria del host y del dispositivo de OpenCL para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los work-items (elementos de trabajo), work-groups (grupos de trabajo) y ND-ranges.
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL utilizando técnicas como vectorización, desenrollado de bucles, memoria local y perfilado.

Esta formación en vivo, impartida por un instructor en Guayaquil (en línea o presencial), está dirigida a desarrolladores de C++ que desean usar CUDA para acelerar aplicaciones, escribir kernels GPU de alto rendimiento y aprovechar las 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 Guayaquil (en línea o presencial) está dirigida a desarrolladores C/C++ que deseen utilizar CUDA para acelerar aplicaciones intensivas en cómputo, incluyendo procesamiento de datos, simulaciones científicas, cargas de trabajo de aprendizaje automático y pipelines de procesamiento de imágenes.

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

Este curso de formación en vivo y dirigido por un instructor en <ubicación> cubre cómo programar GPUs para computación paralela, cómo usar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar varias técnicas de optimización usando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis, procesamiento de imágenes y aplicaciones de ingeniería.