Oбучения по GPU в София

Huawei Ascend е семейство от AI процесори, проектирани за високопроизводително инферентиране и обучение.

Това обучение с инструктор, провеждано на живо (онлайн или на място), е насочено към AI инженери и специалисти по обработка на данни от средно ниво, които желаят да разработват и оптимизират модели на невронни мрежи, използвайки платформата Huawei Ascend и инструментариума CANN.

До края на обучението участниците ще могат:

• Да настройват и конфигурират средата за разработка на CANN.
• Да разработват AI приложения, използвайки работни потоци на MindSpore и CloudMatrix.
• Да оптимизират производителността на Ascend NPU чрез персонализирани оператори и тайлинг.
• Да внедряват модели в ръбова или облачна среда.

Формат на обучението

• Интерактивна лекция и дискусия.
• Практическа работа с Huawei Ascend и инструментариума CANN в примерни приложения.
• Насочвани упражнения, фокусирани върху изграждане, обучение и внедряване на модели.

Опции за персонализиране на обучението

• За да заявите персонализирано обучение по този курс, съобразено с вашата инфраструктура или набори от данни, моля, свържете се с нас за уговаряне.

AI стекът на Huawei – от нискочестотния SDK CANN до високочестотната рамка MindSpore – предлага тясно интегрирана среда за разработка и внедряване на AI, оптимизирана за хардуера Ascend.

Това обучение с инструктор, на живо (онлайн или на място), е насочено към технически специалисти от начинаещо до средно ниво, които искат да разберат как компонентите CANN и MindSpore работят заедно, за да подпомогнат управлението на жизнения цикъл на AI и решенията за инфраструктура.

До края на обучението участниците ще могат да:

• Разбират слоестата архитектура на AI изчислителния стек на Huawei.
• Идентифицират как CANN поддържа оптимизацията на модели и внедряването на хардуерно ниво.
• Оценяват рамката MindSpore и инструменталната верига в сравнение с алтернативите в индустрията.
• Позиционират AI стека на Huawei в корпоративни или облачни/локални среди.

Формат на курса

• Интерактивна лекция и дискусия.
• Демонстрации на системата на живо и преглед на казуси.
• По избор: насочвани лабораторни упражнения върху потока на модела от MindSpore към CANN.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас, за да уговорим.

Това обучение с инструктор на живо в София (онлайн или на място) е насочено към разработчици от начално до средно ниво, които желаят да използват OpenACC за програмиране на хетерогенни устройства и да оползотворят техния паралелизъм.

След приключване на обучението участниците ще могат:

• Да настроят среда за разработка с OpenACC.
• Да пишат и стартират основни програми с OpenACC.
• Да анотират код с директиви и клаузи на OpenACC.
• Да използват API и библиотеките на OpenACC.
• Да профилират, дебъгват и оптимизират програми с OpenACC.

CANN SDK (Compute Architecture for Neural Networks) предоставя мощни инструменти за внедряване и оптимизация на AI приложения в реално време в областта на компютърното зрение и НЛП, особено върху хардуера Huawei Ascend.

Това обучение с инструктор на живо (онлайн или на място) е насочено към AI специалисти със средно ниво на опит, които желаят да изграждат, внедряват и оптимизират модели за визуализация и обработка на език, използвайки CANN SDK за производствени сценарии.

До края на това обучение участниците ще могат:

• Да внедряват и оптимизират модели за компютърно зрение и НЛП, използвайки CANN и AscendCL.
• Да използват CANN инструменти за конвертиране на модели и интегрирането им в работещи конвейери.
• Да оптимизират производителността на изводи за задачи като откриване, класификация и анализ на тоналност.
• Да изграждат конвейери за компютърно зрение/НЛП в реално време за сценарии за внедряване в периферията или в облака.

Формат на курса

• Интерактивна лекция и демонстрация.
• Практическа лаборатория с внедряване на модели и профилиране на производителността.
• Проектиране на конвейер на живо, използвайки реални случаи от компютърното зрение и НЛП.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас, за да го организираме.

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

• До края на това обучение участниците ще могат да:
  Разбират разликата между CPU и GPU изчисленията, както и ползите и предизвикателствата на GPU програмирането.
• Избират правилната рамка и инструмент за своето GPU приложение.
• Създават базова GPU програма, която извършва събиране на вектори, използвайки една или повече от рамките и инструментите.
• Използват съответните API, езици и библиотеки за заявяване на информация за устройството, заделяне и освобождаване на памет на устройството, копиране на данни между хоста и устройството, стартиране на ядра и синхронизиране на нишки.
• Използват съответните пространства в паметта, като глобално, локално, константно и частно, за да оптимизират трансфера на данни и достъпа до паметта.
• Използват съответните модели на изпълнение, като работни елементи, работни групи, нишки, блокове и решетки, за да контролират паралелизма.
• Дебъгват и тестват GPU програми, използвайки инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизират GPU програми, използвайки техники като обединяване (coalescing), кеширане, предварително извличане (prefetching) и профилиране.

CANN TIK (Tensor Instruction Kernel) и Apache TVM позволяват усъвършенствана оптимизация и персонализиране на операторите на AI модели за хардуера Huawei Ascend.

Това обучение с инструктор на живо (онлайн или на място) е насочено към системни разработчици на напреднало ниво, които желаят да изграждат, внедряват и настройват персонализирани оператори за AI модели, използвайки програмния модел TIK на CANN и интеграцията с компилатора TVM.

До края на това обучение участниците ще могат да:

• Пишат и тестват персонализирани AI оператори, използвайки TIK DSL за процесори Ascend.
• Интегрират персонализирани оператори в средата за изпълнение и графа на изпълнение на CANN.
• Използват TVM за планиране на оператори, автоматична настройка и сравнителен анализ.
• Отстраняват грешки и оптимизират производителността на ниво инструкции за персонализирани изчислителни модели.

Формат на курса

• Интерактивна лекция и демонстрация.
• Практическо кодиране на оператори с помощта на TIK и TVM потоци.
• Тестване и настройка на хардуер Ascend или симулатори.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас, за да уговорим.

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

До края на това обучение участниците ще могат:

• Да настроят среда за разработка, включваща OpenCL SDK, CUDA Toolkit, ROCm платформа, устройство, поддържащо OpenCL, CUDA или ROCm, и Visual Studio Code.
• Да създадат базова GPU програма, извършваща събиране на вектори, използвайки OpenCL, CUDA и ROCm, и да сравнят синтаксиса, структурата и изпълнението на всяка рамка.
• Да използват съответните API за запитване на информация за устройството, заделяне и освобождаване на памет на устройството, копиране на данни между хоста и устройството, стартиране на ядра и синхронизиране на нишки.
• Да използват съответните езици за писане на ядра, които се изпълняват на устройството и манипулират данни.
• Да използват съответните вградени функции, променливи и библиотеки за извършване на общи задачи и операции.
• Да използват съответните пространства на паметта, като глобално, локално, константно и частно, за оптимизиране на трансфера на данни и достъпите до паметта.
• Да използват съответните модели на изпълнение за контрол на нишките, блоковете и решетките, които определят паралелизма.
• Да дебъгват и тестват GPU програми, използвайки инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Да оптимизират GPU програми, използвайки техники като групиране (coalescing), кеширане, предварително извличане (prefetching) и профилиране.

CloudMatrix е унифицираната платформа на Huawei за разработка и внедряване на AI, проектирана да поддържа мащабируеми, производствени потоци за изводи.

Това обучение с инструктор на живо (онлайн или на място) е насочено към AI специалисти от начално до средно ниво, които желаят да внедряват и наблюдават AI модели с помощта на платформата CloudMatrix, интегрирана с CANN и MindSpore.

До края на това обучение участниците ще могат:

• Да използват CloudMatrix за пакетиране, внедряване и обслужване на модели.
• Да конвертират и оптимизират модели за чипсети Ascend.
• Да настройват потоци за задачи с изводи в реално време и на партиди.
• Да наблюдават внедряванията и да настройват производителността в производствени среди.

Формат на обучението

• Интерактивна лекция и дискусия.
• Практическо използване на CloudMatrix с реални сценарии за внедряване.
• Насочвани упражнения, фокусирани върху конвертиране, оптимизация и мащабиране.

Опции за персонализиране на обучението

• За да заявите персонализирано обучение по този курс, съобразено с вашата AI инфраструктура или облачна среда, моля, свържете се с нас за уговорка.

Инструментариумът Ascend CANN на Huawei позволява мощен AI извод на крайни устройства като Ascend 310. CANN предоставя основни инструменти за компилиране, оптимизиране и внедряване на модели в среда с ограничени изчислителни ресурси и памет.

Това обучение с инструктор на живо (онлайн или на място) е насочено към AI разработчици и интегратори на средно ниво, които желаят да внедряват и оптимизират модели на крайни устройства Ascend, използвайки инструменталната верига CANN.

До края на това обучение участниците ще могат да:

• Подготвят и конвертират AI модели за Ascend 310, използвайки инструменти на CANN.
• Изграждат леки тръбопроводи за извод, използвайки MindSpore Lite и AscendCL.
• Оптимизират производителността на моделите за среди с ограничени изчислителни ресурси и памет.
• Внедряват и наблюдават AI приложения в реални сценарии за крайни устройства.

Формат на курса

• Интерактивна лекция и демонстрация.
• Практическа лабораторна работа с модели и сценарии, специфични за крайни устройства.
• Примери за внедряване на живо върху виртуален или физически хардуер за крайни устройства.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас за уговорка.

Това обучение с инструктор на живо в София (онлайн или на място) е насочено към разработчици от начинаещо до средно ниво, които желаят да инсталират и използват ROCm на Windows, за да програмират AMD GPU и да се възползват от тяхната паралелност.

До края на обучението участниците ще могат:

• Да настроят среда за разработка, включваща ROCm платформа, AMD GPU и Visual Studio Code на Windows.
• Да създадат основна ROCm програма, която извършва събиране на вектори на GPU и извлича резултатите от паметта на GPU.
• Да използват ROCm API за запитване на информация за устройството, заделяне и освобождаване на памет на устройството, копиране на данни между хоста и устройството, стартиране на ядра и синхронизиране на нишки.
• Да използват HIP езика за писане на ядра, които се изпълняват на GPU и манипулират данни.
• Да използват вградени функции, променливи и библиотеки на HIP за изпълнение на обичайни задачи и операции.
• Да използват различните пространства на паметта на ROCm и HIP – глобално, споделено, константно и локално, за оптимизиране на трансфера на данни и достъпите до паметта.
• Да използват моделите на изпълнение на ROCm и HIP за контролиране на нишките, блоковете и решетките, които определят паралелността.
• Да дебъгват и тестват ROCm и HIP програми, използвайки инструменти като ROCm Debugger и ROCm Profiler.
• Да оптимизират ROCm и HIP програми чрез техники като обединяване, кеширане, предварително извличане и профилиране.

Това обучение с инструктор на живо в София (онлайн или на място) е насочено към разработчици от начално до средно ниво, които желаят да използват ROCm и HIP за програмиране на AMD GPU и да оползотворят тяхната паралелност.

След завършване на обучението участниците ще могат:

• Да настроят среда за разработка, включваща ROCm платформата, AMD GPU и Visual Studio Code.
• Да създадат базова ROCm програма, която извършва събиране на вектори на GPU и извлича резултатите от паметта на графичния процесор.
• Да използват ROCm API за запитване на информация за устройството, заделяне и освобождаване на памет на устройството, копиране на данни между хоста и устройството, стартиране на ядра и синхронизиране на нишки.
• Да използват езика HIP за писане на ядра, които се изпълняват на GPU и манипулират данни.
• Да използват вградените функции, променливи и библиотеки на HIP за извършване на общи задачи и операции.
• Да използват пространствата на паметта в ROCm и HIP, като глобална, споделена, константна и локална, за оптимизиране на трансфера на данни и достъпа до паметта.
• Да използват моделите на изпълнение на ROCm и HIP, за да контролират нишките, блоковете и решетките, които определят паралелизацията.
• Да дебъгват и тестват ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
• Да оптимизират ROCm и HIP програми чрез техники като коалесциране, кеширане, предварително извличане и профилиране.

CANN (Compute Architecture for Neural Networks) е инструментариумът за AI изчисления на Huawei, използван за компилиране, оптимизиране и внедряване на AI модели върху процесори Ascend AI.

Това обучение с инструктор на живо (онлайн или на място) е насочено към начинаещи AI разработчици, които искат да разберат как CANN се вписва в жизнения цикъл на модела – от обучението до внедряването – и как работи с рамки като MindSpore, TensorFlow и PyTorch.

До края на обучението участниците ще могат да:

• Разбират целта и архитектурата на инструментариума CANN.
• Настройват среда за разработка с CANN и MindSpore.
• Конвертират и внедряват прост AI модел върху хардуер Ascend.
• Придобият основни познания за бъдещи проекти за оптимизация или интеграция на CANN.

Формат на курса

• Интерактивна лекция и дискусия.
• Практически лабораторни упражнения с внедряване на прост модел.
• Стъпка по стъпка разглеждане на инструменталната верига на CANN и точките на интеграция.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас за уреждане.

Ascend, Biren и Cambricon са водещи хардуерни платформи за изкуствен интелект в Китай, всяка от които предлага уникални инструменти за ускорение и профилиране за производствени AI натоварвания.

Това обучение с инструктор на живо (онлайн или присъствено) е насочено към напреднали инженери по AI инфраструктура и производителност, които искат да оптимизират процесите на извод и обучение на модели в множество китайски AI чип платформи.

До края на това обучение участниците ще могат да:

• Провеждат бенчмарк тестове на модели на платформите Ascend, Biren и Cambricon.
• Идентифицират системни тесни места и неефективност на паметта/изчисленията.
• Прилагат оптимизации на ниво граф, ядро и оператор.
• Настройват конвейери за внедряване, за да подобрят пропускателната способност и забавянето.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическо използване на инструменти за профилиране и оптимизация на всяка платформа.
• Насочвани упражнения, фокусирани върху практически сценарии за настройка.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, съобразено с вашата среда за производителност или тип модел, моля, свържете се с нас за уговаряне.

CANN SDK (Compute Architecture for Neural Networks) е AI изчислителната основа на Huawei, която позволява на разработчиците да настройват фино и оптимизират производителността на внедрени невронни мрежи върху Ascend AI процесори.

Това обучение с инструктор на живо (онлайн или на място) е насочено към напреднали AI разработчици и системни инженери, които желаят да оптимизират производителността на изводите, използвайки усъвършенствания набор от инструменти на CANN, включително Graph Engine, TIK и разработка на персонализирани оператори.

До края на това обучение участниците ще могат:

• Да разбират архитектурата на изпълнение и жизнения цикъл на производителността на CANN.
• Да използват инструменти за профилиране и Graph Engine за анализ и оптимизация на производителността.
• Да създават и оптимизират персонализирани оператори с помощта на TIK и TVM.
• Да разрешават тесни места в паметта и да подобряват пропускателната способност на моделите.

Формат на курса

• Интерактивна лекция и дискусия.
• Практически лабораторни упражнения с профилиране в реално време и настройка на оператори.
• Упражнения за оптимизация, използващи примери за внедряване в крайни случаи.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас за уговорка.

Китайските GPU архитектури, като Huawei Ascend, Biren и Cambricon MLU, предлагат алтернативи на CUDA, насочени към местните пазари за изкуствен интелект и високопроизводителни изчисления (HPC).

Това обучение, водено от инструктор на живо (онлайн или на място), е предназначено за напреднали GPU програмисти и специалисти по инфраструктура, които желаят да мигрират и оптимизират съществуващи CUDA приложения за внедряване върху китайски хардуерни платформи.

След завършване на обучението участниците ще могат да:

• Оценят съвместимостта на съществуващи CUDA натоварвания с алтернативите на китайски чипове.
• Пренесат кодови бази от CUDA към средите Huawei CANN, Biren SDK и Cambricon BANGPy.
• Сравнят производителността и да идентифицират точки за оптимизация на различните платформи.
• Адресират практически предизвикателства при поддръжката и внедряването между различни архитектури.

Формат на обучението

• Интерактивна лекция и дискусия.
• Практически лабораторни упражнения за превод на код и сравнение на производителността.
• Ръководени упражнения, фокусирани върху стратегии за адаптиране към множество GPU.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, съобразено с вашата платформа или CUDA проект, моля, свържете се с нас за уговорка.

Това обучение, водено от инструктор (онлайн или на място) в София, е насочено към разработчици от начинаещо до средно ниво, които желаят да използват CUDA за програмиране на графични процесори на NVIDIA и да оползотворят тяхната паралелна мощ.

До края на обучението участниците ще могат да:

• Настройват среда за разработка, която включва CUDA Toolkit, графичен процесор на NVIDIA и Visual Studio Code.
• Създават базова CUDA програма, която извършва събиране на вектори върху графичния процесор и извлича резултатите от неговата памет.
• Използват CUDA API за запитване на информация за устройството, заделяне и освобождаване на памет на устройството, копиране на данни между хоста и устройството, стартиране на ядра и синхронизиране на нишките.
• Използват езика CUDA C/C++ за писане на ядра, които се изпълняват върху графичния процесор и манипулират данни.
• Използват вградените функции, променливи и библиотеки на CUDA за извършване на често срещани задачи и операции.
• Използват пространствата на паметта на CUDA, като глобална, споделена, константна и локална, за оптимизиране на трансфера на данни и достъпите до паметта.
• Използват модела на изпълнение на CUDA за контрол на нишките, блоковете и решетките, които дефинират паралелността.
• Дебъгват и тестват CUDA програми, използвайки инструменти като CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизират CUDA програми, използвайки техники като обединяване на достъп до паметта (coalescing), кеширане, предварително извличане (prefetching) и профилиране.

97% удовлетворени клиенти.

CANN (Compute Architecture for Neural Networks) е AI изчислителният стек на Huawei за внедряване и оптимизиране на AI модели върху Ascend AI процесори.

Това обучение с инструктор на живо (онлайн или на място) е насочено към AI разработчици и инженери на средно ниво, които искат да внедряват ефективно обучени AI модели върху хардуер на Huawei Ascend, използвайки инструментариума CANN и инструменти като MindSpore, TensorFlow или PyTorch.

До края на обучението участниците ще могат да:

• Разбират архитектурата на CANN и ролята ѝ в процеса на внедряване на AI.
• Конвертират и адаптират модели от популярни frameworks към формати, съвместими с Ascend.
• Използват инструменти като ATC, конвертиране на OM модели и MindSpore за инференция на периферни устройства и в облака.
• Диагностицират проблеми при внедряването и оптимизират производителността на хардуер Ascend.

Формат на курса

• Интерактивна лекция и демонстрация.
• Практическа лабораторна работа с CANN инструменти и Ascend симулатори или устройства.
• Сценарии за практическо внедряване, базирани на реални AI модели.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас, за да го организираме.

Biren AI ускорителите са високопроизводителни GPU-та, проектирани за AI и HPC натоварвания с поддръжка на мащабно обучение и изводи.

Това обучение, водено от инструктор на живо (онлайн или на място), е насочено към разработчици от средно до напреднало ниво, които желаят да програмират и оптимизират приложения, използвайки собствения GPU стек на Biren, с практически сравнения с базирани на CUDA среди.

До края на това обучение участниците ще могат да:

• Разбират архитектурата на Biren GPU и йерархията на паметта.
• Настройват средата за разработка и използват програмния модел на Biren.
• Превеждат и оптимизират CUDA-подобен код за Biren платформи.
• Прилагат техники за настройка на производителността и отстраняване на грешки.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическо използване на Biren SDK върху примерни GPU натоварвания.
• Ръководени упражнения, фокусирани върху пренасяне и настройка на производителността.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, съобразено с вашия приложен стек или нужди за интеграция, моля, свържете се с нас, за да организираме.

Cambricon MLU (Machine Learning Units) са специализирани AI чипове, оптимизирани за инференция и обучение в сценарии за крайни устройства и центрове за данни.

Това обучение с инструктор на живо (онлайн или присъствено) е насочено към разработчици на средно ниво, които желаят да изграждат и внедряват AI модели, използвайки рамката BANGPy и софтуерния пакет за разработка Neuware върху хардуер Cambricon MLU.

След завършване на обучението участниците ще могат да:

• Инсталират и конфигурират развойните среди на BANGPy и Neuware.
• Разработват и оптимизират базирани на Python и C++ модели за Cambricon MLU.
• Внедряват модели на крайни устройства и устройства в центрове за данни, работещи със среда за изпълнение Neuware.
• Интегрират работни потоци за машинно самообучение със специфични функции за ускорение на MLU.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическа работа с BANGPy и Neuware за разработка и внедряване.
• Насочвани упражнения, фокусирани върху оптимизация, интеграция и тестване.

Опции за персонализиране на курса

• За да заявите персонализирано обучение по този курс, съобразено с вашия модел устройство Cambricon или случай на употреба, моля, свържете се с нас за уточняване.

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

До края на това обучение участниците ще могат да:

• Разбират архитектурата, компонентите и възможностите на CUDA.
• Инсталират и конфигурират CUDA среди.
• Управляват и оптимизират CUDA ресурси.
• Дебъгват и отстраняват често срещани проблеми с CUDA.

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

До края на това обучение участниците ще могат:

• Да настроят среда за разработка, която включва OpenCL SDK, устройство, поддържащо OpenCL, и Visual Studio Code.
• Да създадат основна OpenCL програма, която извършва векторно събиране на устройството и извлича резултатите от паметта на устройството.
• Да използват OpenCL API за запитване на информация за устройството, създаване на контексти, командни опашки, буфери, ядра и събития.
• Да използват OpenCL C езика за писане на ядра, които се изпълняват на устройството и манипулират данни.
• Да използват вградени функции, разширения и библиотеки на OpenCL за извършване на често срещани задачи и операции.
• Да използват моделите на паметта на хоста и устройството в OpenCL за оптимизиране на трансфера на данни и достъпите до паметта.
• Да използват модела на изпълнение на OpenCL за управление на работните елементи, работните групи и ND-диапазоните.
• Да дебъгват и тестват OpenCL програми, използвайки инструменти като CodeXL, Intel VTune и NVIDIA Nsight.
• Да оптимизират OpenCL програми, използвайки техники като векторизация, развиване на цикли, локална памет и профилиране.

Това е обучение с преподавателски надзор на живо в София (онлайн или на място), предназначено за разработчици на C++, които искат да използват CUDA за ускоряване на приложения, написване на високопроизводителни GPU ядра и използване на библиотеки за паралелни алгоритми за научни изчисления, обработка на данни и товари в машинното обучение.

Това е обучителна програма с преподавател в София (онлайн или на място), насочена към разработчици на C/C++, които искат да използват CUDA за ускоряване на приложения, интензивни към изчисленията, включително обработка на данни, научни симулации, натоварвания за машинно обучение и тръбопроводи за обработка на изображения.

Това ръководено от инструктор живо обучение в София (онлайн или на място) е предназначено за софтуерни разработчици, анализатори на данни и технически специалисти, които искат да използват TensorFlow 2.x и Keras за изграждане, трениране и внедряване на модели за дълбоко обучение за компютърно зрение, обработка на естествен език и мултимодални приложения.

Този курс с преподавател на живо в София обхваща програмирането на графични процесори (GPU) за паралелни изчисления, използването на различни платформи, работата с платформата CUDA и нейните функции, както и прилагането на различни техники за оптимизация чрез CUDA. Сред приложенията са дълбоко обучение, анализ на данни, обработка на изображения и инженерни приложения.