Cursos de GPU en Quito

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

Esta formación en vivo con 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 final de esta formación, los participantes podrán:

• Configurar y establecer 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 técnicas de descomposición (tiling).
• Desplegar modelos en entornos edge o en la nube.

Formato del Curso

• Conferencias interactivas y debates.
• Práctica con la plataforma Huawei Ascend y el kit de herramientas CANN en aplicaciones de muestra.
• 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, contáctenos para organizarla.

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

Esta formación en vivo, impartida por instructores (en línea o presencial), está dirigida a profesionales técnicos de nivel principiante e intermedio que deseen comprender cómo los componentes CANN y MindSpore trabajan juntos para gestionar el ciclo de vida de la IA y tomar decisiones sobre la infraestructura.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura en capas de la pila de computación inteligente de Huawei.
• Identificar cómo CANN apoya la optimización de modelos y el despliegue a nivel de hardware.
• Evaluar el marco de trabajo MindSpore y su conjunto de herramientas en relación con las alternativas del sector.
• Ubicar la pila de IA de Huawei dentro de entornos empresariales o de nube/sobre terreno (on-prem).

Formato del curso

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

Opciones de personalización del curso

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

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.

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

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de IA de nivel intermedio que deseen construir, desplegar y optimizar modelos de visión y lenguaje para casos de uso en producción mediante el SDK CANN.

Al finalizar esta formación, los participantes serán capaces de:

• Desplegar y optimizar modelos de VPC y PLN utilizando CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en pipelines en tiempo real.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir pipelines de VPC / PLN en tiempo real para escenarios de despliegue en bordes o en la nube.

Formato del curso

• Conferencia interactiva y demostraciones.
• Laboratorio práctico con despliegue de modelos y perfilamiento de rendimiento.
• Diseño de pipelines en tiempo real mediante casos de uso reales de VPC y PLN.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizarla.

Esta formación en vivo impartida por un instructor en Quito (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.

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 con instrucción presencial (en línea o in situ) está dirigida a desarrolladores de sistemas de nivel avanzado que desean construir, implementar y ajustar operadores personalizados para modelos de IA utilizando el modelo de programación TIK de CANN y la integración del compilador TVM.

Al final de esta formación, los participantes podrán:

• Escribir y probar operadores de IA personalizados usando el DSL de TIK para procesadores Ascend.
• Integrar operaciones personalizadas en el tiempo de ejecución y el gráfico de ejecución de CANN.
• Utilizar TVM para la programación (scheduling), ajuste automático y evaluación comparativa de operadores.
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cálculo personalizados.

Formato del Curso

• Clase interactiva y demostración.
• Programación práctica de operadores utilizando los flujos de trabajo TIK y TVM.
• Pruebas y ajustes en hardware Ascend o simuladores.

Opciones de Personalización del Curso

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

Esta formación práctica impartida por un instructor en Quito (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.

CloudMatrix es la plataforma unificada de desarrollo y despliegue de inteligencia artificial de Huawei, diseñada para respaldar pipelines de inferencia escalables y aptos para entornos de producción.

Esta capacitación en vivo con instrucción presencial (en línea o in situ) está dirigida a profesionales del ámbito de la IA de nivel principiante a intermedio que deseen implementar y supervisar modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar esta capacitación, los participantes serán capaces de:

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

Formato del curso

• Clase interactiva con sesiones de discusión.
• Práctica directa con CloudMatrix en escenarios reales de implementación.
• Ejercicios guiados centrados en la conversión, optimización y escalabilidad.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso según su infraestructura de IA o entorno en la nube, contáctenos para coordinar los detalles.

El toolkit Ascend CANN de Huawei permite una potente inferencia de IA en dispositivos de borde, como el Ascend 310. CANN proporciona herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con recursos de cómputo y 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 usando MindSpore Lite y AscendCL.
• Optimizar el rendimiento del modelo para entornos con capacidad de cómputo y memoria limitadas.
• Implementar y monitorear aplicaciones de IA en casos de uso reales en dispositivos de borde.

Formato del curso

• Conferencia interactiva y demostraciones prácticas.
• Trabajo de laboratorio con modelos y escenarios específicos para dispositivos de borde.
• Ejemplos de despliegue en vivo en hardware de borde virtual o físico.

Opciones de personalización del curso

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

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.

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

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de IA de nivel principiante que desean comprender cómo CANN se integra en el ciclo de vida del modelo, desde el entrenamiento hasta el despliegue, y cómo funciona 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 con CANN.

Formato del curso

• Conferencia interactiva y discusión en grupo.
• Talleres prácticos con despliegue de modelos sencillos.
• Guía paso a paso del toolchain de CANN y puntos de integración.

Opciones de personalización del curso

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

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

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

Al finalizar esta formación, los participantes serán capaces de:

• Ejecutar pruebas de rendimiento (benchmarks) 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, de núcleo (kernel) y de operador.
• Afinar los flujos de implementación para mejorar el rendimiento y la latencia.

Formato del curso

• Ponencias interactivas y debate.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados centrados en escenarios prácticos de afinamiento.

Opciones de personalización del curso

• Para solicitar una formación personalizada basada en su entorno de rendimiento o tipo de modelo, por favor contáctenos para organizarla.

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

Esta formación impartida por un instructor, disponible en línea o in situ, está dirigida a desarrolladores de IA de nivel avanzado e ingenieros de sistemas que desean optimizar el rendimiento de inferencia utilizando la herramienta avanzada de CANN, que incluye el Graph Engine, TIK y el desarrollo de operadores personalizados.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura de tiempo de ejecución de CANN y su ciclo de vida para el rendimiento.
• Utilizar herramientas de perfilado y el 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 throughput del modelo.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de despliegue en casos límite.

Opciones de personalización del curso

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

Las arquitecturas de GPU chinas, como Huawei Ascend, Biren y las MLU de Cambricon, ofrecen alternativas a CUDA diseñadas específicamente para los mercados locales de inteligencia artificial (IA) y computación de alto rendimiento (HPC).

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

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Clases interactivas y debates.
• Talleres prácticos de traducción de código y comparación de rendimiento.
• Ejercicios guiados centrados en estrategias de adaptación para múltiples GPU.

Opciones de personalización del curso

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

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.

CANN (Compute Architecture for Neural Networks) es la pila de cómputo de IA de Huawei para desplegar y optimizar modelos de IA en procesadores AI Ascend.

Esta formación práctica, impartida por instructores (en línea o presencial), está dirigida a desarrolladores e ingenieros de IA de nivel intermedio que deseen desplegar modelos de IA entrenados de manera eficiente en hardware Huawei Ascend, utilizando la herramienta CANN y otros como MindSpore, TensorFlow o PyTorch.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura de CANN y su papel en el proceso de despliegue de IA.
• Convertir y adaptar modelos desde frameworks populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, la conversión de modelos OM y MindSpore para inferencia en edge y en la nube.
• Diagnosticar problemas de despliegue y optimizar el rendimiento en hardware Ascend.

Formato del Curso

• Conferencia interactiva con demostraciones prácticas.
• Práctica de laboratorio con herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios de despliegue prácticos basados en modelos de IA del mundo real.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros.

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

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

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura de las GPUs 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

• Clase interactiva con 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 capacitación personalizada para este curso según su pila de aplicaciones o necesidades de integración, contáctenos para coordinar los detalles.

Las unidades de aprendizaje profundo (MLUs, por sus siglas en inglés) de Cambricon son chips de IA especializados, optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que desean crear e implementar modelos de IA utilizando el marco de trabajo BANGPy y el SDK de Neuware en hardware Cambricon MLU.

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Clase interactiva y discusión.
• Ejercicios prácticos con 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 para este curso según el modelo de dispositivo Cambricon o caso de uso, contáctenos para coordinar los detalles.

Esta formación en vivo impartida por instructores en Quito (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 Quito (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 Quito (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 Quito (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 Quito (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.