Inkscape Training Course

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват CUDA за изграждане на Python приложения, които работят паралелно на NVIDIA GPU.

До края на това обучение участниците ще могат:

• Използвайте компилатора Numba, за да ускорите Python приложения, работещи на NVIDIA GPU.
• Създавайте, компилирайте и стартирайте персонализирани CUDA ядра.
• Управление на GPU памет.
• Преобразувайте базирано на CPU приложение в GPU-ускорено приложение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към системни администратори на ниво начинаещи и ИТ специалисти, които желаят да инсталират, конфигурират, управляват и отстраняват проблеми в CUDA среди.

До края на това обучение участниците ще могат:

• Разберете архитектурата, компонентите и възможностите на CUDA.
• Инсталирайте и конфигурирайте CUDA среди.
• Управлявайте и оптимизирайте ресурсите на CUDA.
• Отстраняване на грешки и отстраняване на често срещани проблеми с CUDA.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към уеб дизайнери, които искат да използват Maya за създаване на 3D анимации.

До края на това обучение участниците ще могат:

• Създавайте реалистични модели и текстури в Maya.
• Анимирайте и рендирайте проекти за висококачествено възпроизвеждане.
• Симулирайте естествени ефекти като вода и дим.

WebGL (Web Graphics Library) е JavaScript API за изобразяване на 3D графики в рамките на уеб браузър без използване на добавки.

В това водено от инструктор обучение на живо участниците ще се научат как да генерират реалистични компютърни изображения, използвайки 3D графики, докато преминават през създаването на анимирано 3D приложение, което се изпълнява в браузър.

До края на това обучение участниците ще могат:

Разберете и използвайте различните функции на WebGL, включително мрежи, трансформации, камери, материали, осветление и анимация Анимирайте обекти с WebGL Създавайте 3D обекти с помощта на WebGL

Публика

Разработчици

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

This course covers how to program GPUs for parallel computing. Some of the applications include deep learning, analytics, and engineering applications.

Този воден от инструктор курс на обучение на живо в България обхваща как да програмирате GPUs за паралелни изчисления, как да използвате различни платформи, как да работите с платформата CUDA и нейните функции и как да изпълнявате различни техники за оптимизация с помощта на CUDA . Някои от приложенията включват дълбоко обучение, анализи, обработка на изображения и инженерни приложения.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да създадат хардуерно ускорени модели за откриване и проследяване на обекти, за да анализират поточни видео данни.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте необходимата среда за разработка, софтуер и библиотеки, за да започнете разработката.
• Изграждайте, обучавайте и внедрявайте модели за дълбоко обучение, за да анализирате видео емисии на живо.
• Идентифицирайте, проследявайте, сегментирайте и предвиждайте различни обекти във видео кадри.
• Оптимизирайте моделите за откриване и проследяване на обекти.
• Внедрете приложение за интелигентен видео анализ (IVA).

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват OpenCL за програмиране на хетерогенни устройства и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва OpenCL SDK, устройство, което поддържа OpenCL и Visual Studio код.
• Създайте основна OpenCL програма, която извършва векторно добавяне на устройството и извлича резултатите от паметта на устройството.
• Използвайте OpenCL API за запитване към информация за устройството, създаване на контексти, опашки с команди, буфери, ядра и събития.
• Използвайте OpenCL език C, за да напишете ядра, които се изпълняват на устройството и манипулират данни.
• Използвайте OpenCL вградени функции, разширения и библиотеки за изпълнение на общи задачи и операции.
• Използвайте OpenCL модели памет на хост и устройство, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте OpenCL модел за изпълнение, за да контролирате работните елементи, работните групи и ND-обхватите.
• Отстранявайте грешки и тествайте OpenCL програми с помощта на инструменти като CodeXL, Intel VTune и NVIDIA Nsight.
• Оптимизирайте OpenCL програми, като използвате техники като векторизация, разгръщане на цикъл, локална памет и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват CUDA за програмиране на NVIDIA GPU и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва CUDA Toolkit, код на NVIDIA GPU и Visual Studio.
• Създайте основна CUDA програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
• Използвайте CUDA API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте езика CUDA C/C++, за да напишете ядра, които се изпълняват на GPU и да манипулират данни.
• Използвайте вградени функции, променливи и библиотеки на CUDA, за да изпълнявате общи задачи и операции.
• Използвайте пространства на CUDA памет, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте модел за изпълнение на CUDA, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте CUDA програми с помощта на инструменти като CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте програмите CUDA, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват различни рамки за GPU програмиране и да сравняват техните характеристики, производителност и съвместимост.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва OpenCL SDK, CUDA Toolkit, ROCm платформа, устройство, което поддържа OpenCL, CUDA или ROCm и Visual Studio код.
• Създайте основна GPU програма, която извършва добавяне на вектори, използвайки OpenCL, CUDA и ROCm, и сравнете синтаксиса, структурата и изпълнението на всяка рамка.
• Използвайте съответните API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте съответните езици, за да напишете ядра, които се изпълняват на устройството и манипулират данни.
• Използвайте съответните вградени функции, променливи и библиотеки за изпълнение на общи задачи и операции.
• Използвайте съответните пространства на паметта, като глобална, локална, постоянна и частна, за да оптимизирате прехвърлянето на данни и достъпа до паметта.
• Използвайте съответните модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте GPU програми с помощта на инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте GPU програми, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват ROCm и HIP за програмиране на AMD GPU и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва ROCm платформа, AMD GPU и Visual Studio код.
• Създайте базова ROCm програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
• Използвайте ROCm API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте HIP езика, за да пишете ядра, които се изпълняват на GPU и манипулират данни.
• Използвайте вградените функции, променливи и библиотеки на HIP за изпълнение на общи задачи и операции.
• Използвайте ROCm и HIP пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте ROCm и HIP модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
• Оптимизирайте ROCm и HIP програмите, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да инсталират и използват ROCm на Windows, за да програмират AMD GPU и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва ROCm платформа, AMD GPU и Visual Studio код на Windows.
• Създайте базова ROCm програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
• Използвайте ROCm API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте HIP езика, за да пишете ядра, които се изпълняват на GPU и манипулират данни.
• Използвайте вградените функции, променливи и библиотеки на HIP за изпълнение на общи задачи и операции.
• Използвайте ROCm и HIP пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте ROCm и HIP модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
• Оптимизирайте ROCm и HIP програмите, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да научат основите на GPU програмирането и основните рамки и инструменти за разработване на GPU приложения .

• До края на това обучение участниците ще могат:
  Разберете разликата между CPU и GPU изчисленията и предимствата и предизвикателствата на GPU програмирането.
• Изберете правилната рамка и инструмент за тяхното GPU приложение.
• Създайте основна GPU програма, която извършва добавяне на вектори, като използва една или повече от рамките и инструментите.
• Използвайте съответните API, езици и библиотеки, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте съответните пространства на паметта, като глобална, локална, постоянна и частна, за да оптимизирате прехвърлянето на данни и достъпа до паметта.
• Използвайте съответните модели за изпълнение, като работни елементи, работни групи, нишки, блокове и мрежи, за да контролирате паралелизма.
• Отстранявайте грешки и тествайте GPU програми с помощта на инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте GPU програми, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват OpenACC за програмиране на разнородни устройства и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва OpenACC SDK, устройство, което поддържа OpenACC и Visual Studio код.
• Създайте основна OpenACC програма, която извършва векторно добавяне на устройството и извлича резултатите от паметта на устройството.
• Използвайте OpenACC директиви и клаузи, за да коментирате кода и да посочите паралелните региони, движението на данни и опциите за оптимизация.
• Използвайте API на OpenACC, за да заявите информация за устройството, да зададете номер на устройството, да обработвате грешки и да синхронизирате събития.
• Използвайте OpenACC библиотеки и функции за оперативна съвместимост, за да интегрирате OpenACC с други модели за програмиране, като CUDA, OpenMP и MPI.
• Използвайте инструментите на OpenACC, за да профилирате и отстранявате грешки в програмите на OpenACC и да идентифицирате тесните места и възможности за производителност.
• Оптимизирайте програмите OpenACC, като използвате техники като локализиране на данни, сливане на цикъл, сливане на ядрото и автоматична настройка.