Cursos de GPU em Gaia

Este treinamento presencial, conduzido por instrutor em Gaia (online ou presencial), é voltado para 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 do OpenACC.
• Escrever e executar um programa básico do OpenACC.
• Anotar código com diretivas e cláusulas do OpenACC.
• Usar a API e bibliotecas do OpenACC.
• Perfilar, depurar e otimizar programas do OpenACC.

Este treinamento ao vivo conduzido por instrutor em Gaia (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.

Este treinamento liderado por instrutor (online ou presencial) em Gaia é direcionado a desenvolvedores de nível iniciante a intermediário que desejam usar diferentes frameworks para programação de GPU e comparar suas características, desempenho e compatibilidade.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar um ambiente de desenvolvimento que inclui o OpenCL SDK, CUDA Toolkit, ROCm Platform, um dispositivo que suporta OpenCL, CUDA ou ROCm e Visual Studio Code.
• Criar um programa básico de GPU que realiza adição vetorial usando OpenCL, CUDA e ROCm, e comparar a sintaxe, estrutura e execução de cada framework.
• Usar as respectivas APIs para consultar informações do dispositivo, alocar e desalocar memória do dispositivo, copiar dados entre o host e o dispositivo, lançar kernels e sincronizar threads.
• Usar as respectivas linguagens para escrever kernels que são executados no dispositivo e manipulam dados.
• Usar as respectivas funções, variáveis e bibliotecas integradas para realizar tarefas e operações comuns.
• Usar os respectivos espaços de memória, como global, local, constante e privado, para otimizar transferências de dados e acessos à memória.
• Usar os respectivos modelos de execução para controlar as threads, blocos e grades que definem o paralelismo.
• Depurar e testar programas de GPU usando ferramentas como CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Otimizar programas de GPU usando técnicas como coalescimento, cache, pré-busca e profiling.

Este treinamento ao vivo conduzido por instrutor em Gaia (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.

Este treinamento ao vivo conduzido por instrutor em Gaia (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.

Este treinamento ao vivo conduzido por instrutor em Gaia (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.

Este treinamento ao vivo conduzido por instrutor em Gaia (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.

Este treinamento presencial com instrutor em Gaia (online ou no local) é destinado a desenvolvedores de nível iniciante a intermediário que desejam usar o OpenCL para programar dispositivos heterogêneos e explorar seu paralelismo.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar um ambiente de desenvolvimento que inclua o SDK do OpenCL, um dispositivo que suporte OpenCL e o Visual Studio Code.
• Criar um programa básico em OpenCL que realiza a adição de vetores no dispositivo e recupera os resultados da memória do dispositivo.
• Usar a API do OpenCL para consultar informações sobre o dispositivo, criar contextos, filas de comandos, buffers, kernels e eventos.
• Usar a linguagem C do OpenCL para escrever kernels que se executam no dispositivo e manipulam dados.
• Usar funções, extensões e bibliotecas incorporadas do OpenCL para realizar tarefas e operações comuns.
• Usar os modelos de memória host e dispositivo do OpenCL para otimizar transferências de dados e acessos à memória.
• Usar o modelo de execução do OpenCL para controlar work-items, work-groups e ND-ranges.
• Depurar e testar programas em OpenCL usando ferramentas como CodeXL, Intel VTune e NVIDIA Nsight.
• Otimizar programas em OpenCL usando técnicas como vetorização, desenrolamento de laços, memória local e profiling.

Esta formação ao vivo, ministrada por instrutor em Gaia (online ou presencial), destina-se a desenvolvedores C++ que desejam usar o CUDA para acelerar aplicativos, escrever kernels de GPU de alto desempenho e aproveitar bibliotecas de algoritmos paralelos para cargas de trabalho de computação científica, processamento de dados e aprendizado de máquina.

Este treinamento ao vivo, ministrado por instrutor em Gaia (online ou presencial), é destinado a desenvolvedores C/C++ que desejam utilizar o CUDA para acelerar aplicativos com cargas computacionais intensivas, incluindo processamento de dados, simulações científicas, tarefas de aprendizado de máquina e pipelines de processamento de imagens.

Este treinamento ao vivo, ministrado por instrutor em Gaia (online ou presencial), é direcionado para desenvolvedores de software, analistas de dados e profissionais técnicos que desejam utilizar o TensorFlow 2.x e o Keras para criar, treinar e implantar modelos de deep learning para visão computacional, processamento de linguagem natural e aplicações multimodais.

Este curso de treinamento ao vivo conduzido por instrutor em Gaia 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.