Mercure Lisboa Almada

9, Rua Abel Salazar, 9, PRAGAL 2805-313 ALMADA, Almada, Portugal, 2805-313 Almada

“Uma escapadela perfeita a cerca de 30 minutos de Lisboa”. Desligue-se do mundo e descubra o Hotel Mercure Lisboa Almada. Este hotel de 4 estrelas inserido numa zona verde tem vista para o Rio Tejo e para o mítico Cristo Rei. A uma curta distância de carro, relaxe nas belas praias da Costa da Caparica. O hotel oferece um restaurante moderno com uma grande variedade de sumos de frutas naturais e cocktails sem álcool, além de 4 salas de reuniões totalmente equipadas.

Subcategorias (1)

CUDA (Compute Unified Device Architecture)

CUDA (Compute Unified Device Architecture)

Explore nossos cursos

GPU Programming with OpenACC

 28 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar o OpenACC para programar dispositivos heterogêneos e explorar seu paralelismo. No final deste treinamento, os participantes serão capazes de:
  • Configurar um ambiente de desenvolvimento que inclua o OpenACC SDK, um dispositivo que suporte OpenACC, e Visual Studio Código.
  • Criar um programa OpenACC básico que execute a adição de vectores no dispositivo e recupere os resultados da memória do dispositivo.
  • Utilize as directivas e cláusulas OpenACC para anotar o código e especificar as regiões paralelas, o movimento de dados e as opções de otimização.
  • Utilizar a API OpenACC para consultar informações do dispositivo, definir o número do dispositivo, tratar erros e sincronizar eventos.
  • Usar as bibliotecas OpenACC e os recursos de interoperabilidade para integrar o OpenACC a outros modelos de programação, como CUDA, OpenMP e MPI.
  • Usar ferramentas OpenACC para criar perfis e depurar programas OpenACC e identificar gargalos e oportunidades de desempenho.
  • Otimizar programas OpenACC usando técnicas como localidade de dados, fusão de loop, fusão de kernel e auto-tuning.
Leia mais...

Introduction to GPU Programming

 21 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam aprender os conceitos básicos de programação GPU e as principais estruturas e ferramentas para o desenvolvimento de aplicativos GPU.
  • Ao final deste treinamento, os participantes serão capazes de:
    Compreender a diferença entre CPU e computação GPU e os benefícios e desafios da programação GPU.
  • Escolher a estrutura e a ferramenta correcta para a sua aplicação GPU.
  • Criar um programa GPU básico que executa adição de vectores usando uma ou mais das estruturas e ferramentas.
  • Utilizar as respectivas API, linguagens e bibliotecas para consultar informações sobre o dispositivo, atribuir e anular a atribuição de memória ao dispositivo, copiar dados entre o anfitrião e o dispositivo, lançar kernels e sincronizar threads.
  • Utilizar os respectivos espaços de memória, tais como global, local, constante e privado, para otimizar as transferências de dados e os acessos à memória.
  • Utilizar os respectivos modelos de execução, tais como work-items, work-groups, threads, blocos e grelhas, para controlar o paralelismo.
  • Depurar e testar programas GPU usando ferramentas como CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
  • Otimizar programas GPU usando técnicas como coalescência, armazenamento em cache, pré-busca e criação de perfil.
Leia mais...

GPU Programming - OpenCL vs CUDA vs ROCm

 28 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar diferentes estruturas para programação GPU e comparar seus recursos, desempenho e compatibilidade. No final deste treinamento, os participantes serão capazes de:
  • Configurar um ambiente de desenvolvimento que inclui OpenCL SDK, CUDA Toolkit, Plataforma ROCm, um dispositivo que suporta OpenCL, CUDA, ou ROCm, e Visual Studio Código.
  • Crie um programa GPU básico que execute a adição de vectores utilizando OpenCL, CUDA e ROCm e compare a sintaxe, a estrutura e a execução de cada estrutura.
  • Use as respectivas APIs para consultar informações do dispositivo, alocar e desalocar memória do dispositivo, copiar dados entre o host e o dispositivo, iniciar kernels e sincronizar threads.
  • Utilizar as respectivas linguagens para escrever kernels que executam no dispositivo e manipulam dados.
  • Utilizar as respectivas funções incorporadas, variáveis e bibliotecas para executar tarefas e operações comuns.
  • Utilizar os respectivos espaços de memória, tais como global, local, constante e privado, para otimizar as transferências de dados e os acessos à memória.
  • Utilizar os respectivos modelos de execução para controlar as threads, blocos e grelhas que definem o paralelismo.
  • Depurar e testar programas GPU usando ferramentas como CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
  • Otimizar programas GPU usando técnicas como coalescência, armazenamento em cache, pré-busca e criação de perfil.
Leia mais...

ROCm for Windows

 21 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam instalar e usar o ROCm no Windows para programar AMD GPU s e explorar seu paralelismo. No final deste treinamento, os participantes serão capazes de:
  • Configurar um ambiente de desenvolvimento que inclua a plataforma ROCm, um AMD GPU e um código Visual Studio no Windows.
  • Criar um programa ROCm básico que execute a adição de vectores no GPU e recupere os resultados da memória do GPU.
  • Use a API do ROCm para consultar informações do dispositivo, alocar e desalocar memória do dispositivo, copiar dados entre o host e o dispositivo, iniciar kernels e sincronizar threads.
  • Utilizar a linguagem HIP para escrever kernels que executam no GPU e manipulam dados.
  • Utilizar funções, variáveis e bibliotecas incorporadas na HIP para executar tarefas e operações comuns.
  • Utilizar espaços de memória ROCm e HIP, tais como global, partilhada, constante e local, para otimizar as transferências de dados e os acessos à memória.
  • Utilizar os modelos de execução do ROCm e da HIP para controlar os threads, blocos e grelhas que definem o paralelismo.
  • Depurar e testar programas ROCm e HIP usando ferramentas como o ROCm Debugger e o ROCm Profiler.
  • Otimizar programas ROCm e HIP usando técnicas como coalescência, armazenamento em cache, pré-busca e criação de perfil.
Leia mais...

AMD GPU Programming

 28 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar ROCm e HIP para programar AMD GPU s e explorar seu paralelismo. No final deste treinamento, os participantes serão capazes de:
  • Configurar um ambiente de desenvolvimento que inclua a Plataforma ROCm, um AMD GPU e um Código Visual Studio.
  • Criar um programa ROCm básico que execute a adição de vectores no GPU e recupere os resultados da memória GPU.
  • Utilizar a API do ROCm para consultar informações sobre o dispositivo, atribuir e anular a atribuição de memória ao dispositivo, copiar dados entre o anfitrião e o dispositivo, lançar kernels e sincronizar threads.
  • Utilizar a linguagem HIP para escrever kernels que executam no GPU e manipulam dados.
  • Utilizar funções, variáveis e bibliotecas incorporadas na HIP para executar tarefas e operações comuns.
  • Utilizar espaços de memória ROCm e HIP, tais como global, partilhada, constante e local, para otimizar as transferências de dados e os acessos à memória.
  • Utilizar os modelos de execução do ROCm e da HIP para controlar os threads, blocos e grelhas que definem o paralelismo.
  • Depurar e testar programas ROCm e HIP usando ferramentas como o ROCm Debugger e o ROCm Profiler.
  • Otimizar programas ROCm e HIP usando técnicas como coalescência, armazenamento em cache, pré-busca e criação de perfil.
Leia mais...

GPU Programming with CUDA

 28 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar o CUDA para programar NVIDIA GPU s e explorar seu paralelismo. Ao final deste treinamento, os participantes serão capazes de:
  • Configurar um ambiente de desenvolvimento que inclua o CUDA Toolkit, um código NVIDIA GPU e Visual Studio.
  • Criar um programa CUDA básico que execute a adição de vetores no GPU e recupere os resultados da memória GPU.
  • Use a API CUDA para consultar informações do dispositivo, alocar e desalocar a memória do dispositivo, copiar dados entre o host e o dispositivo, iniciar kernels e sincronizar threads.
  • Use a linguagem CUDA C/C++ para escrever kernels que são executados no GPU e manipulam dados.
  • Usar funções, variáveis e bibliotecas internas da CUDA para executar tarefas e operações comuns.
  • Usar espaços de memória CUDA, como global, compartilhado, constante e local, para otimizar transferências de dados e acessos à memória.
  • Usar o modelo de execução CUDA para controlar os threads, blocos e grades que definem o paralelismo.
  • Depurar e testar programas CUDA usando ferramentas como CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
  • Otimizar programas CUDA usando técnicas como coalescência, armazenamento em cache, pré-busca e criação de perfil.
97% dos clientes satisfeitos.
Leia mais...

Administration of CUDA

 35 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a administradores de sistema de nível iniciante e profissionais de TI que desejam instalar, configurar, gerenciar e solucionar problemas de ambientes CUDA. Ao final deste treinamento, os participantes serão capazes de:
  • Compreender a arquitetura, os componentes e os recursos do CUDA.
  • Instalar e configurar ambientes CUDA.
  • Gerenciar e otimizar recursos CUDA.
  • Depurar e solucionar problemas comuns de CUDA.
Leia mais...

GPU Programming with OpenCL

 28 Horas
Este treinamento ao vivo conduzido por instrutor em Almada (no local ou remoto) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar OpenCL para programar dispositivos heterogêneos e explorar seu paralelismo. No final deste treinamento, os participantes serão capazes de:
  • Configurar um ambiente de desenvolvimento que inclua o OpenCL SDK, um dispositivo que suporte o OpenCL e o Visual Studio Code.
  • Criar um programa OpenCL básico que execute a adição de vectores no dispositivo e recupere os resultados da memória do dispositivo.
  • Utilizar a API OpenCL para consultar informações sobre o dispositivo, criar contextos, filas de comandos, buffers, kernels e eventos.
  • Utilizar a OpenCL linguagem C para escrever kernels que são executados no dispositivo e manipulam dados.
  • Utilizar OpenCL funções incorporadas, extensões e bibliotecas para efetuar tarefas e operações comuns.
  • Utilizar OpenCL modelos de memória do anfitrião e do dispositivo para otimizar as transferências de dados e os acessos à memória.
  • Utilizar o modelo de execução OpenCL para controlar os work-items, os grupos de trabalho e os intervalos ND.
  • Depurar e testar programas OpenCL usando ferramentas como CodeXL, Intel VTune e NVIDIA Nsight.
  • Otimizar programas OpenCL usando técnicas como vetorização, desenrolamento de loop, memória local e criação de perfil.
Leia mais...

GPU Programming with CUDA and Python

 14 Horas
Esta formação ao vivo, ministrada pelo instrutor em Almada (online ou presencial), é direcionada a desenvolvedores de nível intermediário que desejam usar CUDA para criar aplicações Python que rodem em paralelo nos dispositivos NVIDIA GPU. No final desta formação, os participantes serão capazes de
Leia mais...

NVIDIA GPU Programming - Extended

 21 Horas
Este curso de treinamento ao vivo conduzido por instrutor em Almada cobre como programar GPUs para computação paralela,  como usar várias plataformas, como trabalhar com a plataforma CUDA e seus recursos e como executar várias técnicas de otimização usando CUDA. Algumas das aplicações incluem aprendizagem profunda, análise, processamento de imagem e aplicações de engenharia.
Leia mais...

Última Atualização:

Declaração de Clientes (2)

Muito interativo com vários exemplos, com uma boa progressão de complexidade entre o início e o fim da formação.

Jenny - Andheo

Curso - GPU Programming with CUDA and Python

Máquina Traduzida

A energia e o humor dos formadores.

Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.

Curso - NVIDIA GPU Programming - Extended

Máquina Traduzida

Próximas Formações Provisórias

GPU Programming - OpenCL vs CUDA vs ROCm

2025-06-09 09:30
28 Horas
Mercure Lisboa Almada

GPU Programming with OpenCL

2025-06-23 09:30
28 Horas
Mercure Lisboa Almada

GPU Programming with CUDA

2025-07-07 09:30
28 Horas
Mercure Lisboa Almada

GPU Programming - OpenCL vs CUDA vs ROCm

2025-07-21 09:30
28 Horas
Mercure Lisboa Almada

Introduction to GPU Programming

2025-08-04 09:30
21 Horas
Mercure Lisboa Almada

Outras regiões em Portugal

Outros Países

Estes cursos também estão disponíveis em outros países

Consultoria

GPU Consultoria
Cursos de treinamento de Graphics Processing Unit em Almada, Cursos de fim de semana de GPU (Graphics Processing Unit) em Almada, Treinamento tardiurno de GPU (Graphics Processing Unit) em Almada, GPU guiado por instrutor em Almada, Treinamento individual de GPU (Graphics Processing Unit) em Almada, !Instrutor de Graphics Processing Unit em Almada, GPU (Graphics Processing Unit) guiado por instrutor em Almada, Treinamendo de GPU de fim de semana em Almada, Cursos tardiurnos de Graphics Processing Unit (GPU) em Almada,Coaching de Graphics Processing Unit em Almada, Cursos privados de GPU (Graphics Processing Unit) em Almada, Aulas de GPU em Almada, GPU no local do cliente em Almada, Treinador de Graphics Processing Unit (GPU) em Almada, treinamento em grupo de GPU em Almada