Online GPU Treinamento em Brasil

O Huawei Ascend é uma família de processadores de IA projetados para inferência e treinamento de alto desempenho.

Este treinamento conduzido por instrutor (online ou presencial) é direcionado a engenheiros de IA e cientistas de dados intermediários que desejam desenvolver e otimizar modelos de redes neurais usando a plataforma Huawei Ascend e o conjunto de ferramentas CANN.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e configurar o ambiente de desenvolvimento CANN.
• Desenvolver aplicativos de IA usando fluxos de trabalho do MindSpore e CloudMatrix.
• Otimizar o desempenho em NPUs Ascend usando operadores personalizados e tiling.
• Implementar modelos em ambientes de borda ou nuvem.

Formato do Curso

• Aula interativa e discussão.
• Uso prático da plataforma Huawei Ascend e do conjunto de ferramentas CANN em aplicativos de exemplo.
• Exercícios guiados focados na construção, treinamento e implementação de modelos.

Opções de Customização do Curso

• Para solicitar um treinamento personalizado para este curso com base na sua infraestrutura ou conjuntos de dados, entre em contato conosco para agendar.

A pilha de IA da Huawei — do nível baixo CANN SDK ao alto nível MindSpore framework — oferece um ambiente integrado e otimizado para desenvolvimento e implantação de IA voltado para o hardware Ascend.

Este treinamento orientado por instrutores (online ou presencial) é direcionado a profissionais técnicos de nível iniciante a intermediário que desejam entender como os componentes CANN e MindSpore trabalham juntos para apoiar o gerenciamento do ciclo de vida da IA e decisões de infraestrutura.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender a arquitetura em camadas da pilha de cálculo de IA da Huawei.
• Identificar como o CANN apoia a otimização do modelo e a implantação no nível de hardware.
• Avaliar o framework e a cadeia de ferramentas MindSpore em relação a alternativas da indústria.
• Posicionar a pilha de IA da Huawei nos ambientes empresariais ou nuvem/local.

Formato do Curso

• Aula interativa e discussão.
• Demonstrações ao vivo de sistemas e caminhos baseados em casos.
• Laboratórios guiados opcionais sobre o fluxo do modelo de MindSpore para CANN.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado deste curso, entre em contato conosco para agendar.

Este treinamento presencial, conduzido por instrutor em Brasil (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.

O CANN SDK (Compute Architecture for Neural Networks) oferece ferramentas poderosas de implantação e otimização para aplicativos de IA em tempo real na visão computacional e PLN, especialmente no hardware Huawei Ascend.

Este treinamento presencial, conduzido por instrutor (online ou presencial), é voltado para profissionais intermediários de IA que desejam construir, implantar e otimizar modelos de visão e linguagem usando o CANN SDK para casos de uso em produção.

Ao final deste treinamento, os participantes serão capazes de:

• Implantar e otimizar modelos de CV e PLN usando CANN e AscendCL.
• Usar ferramentas do CANN para converter modelos e integrá-los em pipelines ao vivo.
• Otimizar o desempenho de inferência para tarefas como detecção, classificação e análise de sentimento.
• Construir pipelines de CV/PLN em tempo real para cenários de implantação na borda ou baseada em nuvem.

Formato do Curso

• Aula interativa e demonstração.
• Laboratório prático com implantação de modelos e perfilamento de desempenho.
• Design de pipelines ao vivo usando casos reais de CV e PLN.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Este treinamento ao vivo conduzido por instrutor em Brasil (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.

CANN TIK (Tensor Instruction Kernel) e Apache TVM permitem a otimização e personalização avançada de operadores de modelos AI para Huawei Ascend hardware.

Este treinamento presencial ou online, conduzido por instrutor, é direcionado a desenvolvedores de sistema de nível avançado que desejam construir, implantar e ajustar operadores personalizados para modelos AI usando o modelo de programação TIK CANN e integração com o compilador TVM.

Ao final deste treinamento, os participantes serão capazes de:

• Escrever e testar operadores personalizados de IA usando a DSL TIK para processadores Ascend.
• Integrar operações personalizadas no tempo de execução CANN e no grafo de execução.
• Usar o TVM para agendamento de operadores, otimização automática e benchmarking.
• Depurar e otimizar o desempenho ao nível da instrução para padrões de computação personalizados.

Formato do Curso

• Aula interativa e demonstração.
• Criação prática de operadores usando as pipelines TIK e TVM.
• Teste e ajuste em hardware ou simuladores Ascend.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Este treinamento liderado por instrutor (online ou presencial) em Brasil 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.

CloudMatrix é a plataforma unificada de desenvolvimento e implantação de IA da Huawei, projetada para suportar pipelines de inferência escaláveis e de produção.

Esta formação presencial conduzida por instrutor (online ou no local) é direcionada a profissionais de IA iniciantes e intermediários que desejam implantar e monitorar modelos de IA usando a plataforma CloudMatrix com integração CANN e MindSpore.

Ao final desta formação, os participantes serão capazes de:

• Usar o CloudMatrix para empacotamento, implantação e serviço do modelo.
• Converter e otimizar modelos para chipsets Ascend.
• Configurar pipelines para tarefas de inferência em tempo real e por lotes.
• Monitorar implantações e ajustar o desempenho em ambientes de produção.

Formato do Curso

• Aula interativa e discussão.
• Uso prático do CloudMatrix com cenários de implantação reais.
• Exercícios guiados focados em conversão, otimização e escalabilidade.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada baseada na infraestrutura de IA ou no ambiente em nuvem da sua empresa, entre em contato conosco para agendar.

A ferramenta Ascend CANN da Huawei habilita inferência de IA poderosa em dispositivos de borda, como o Ascend 310. CANN fornece ferramentas essenciais para compilar, otimizar e implantar modelos onde o processamento e a memória são limitados.

Este treinamento conduzido por instrutor (online ou presencial) é direcionado a desenvolvedores de IA intermediários e integradores que desejam implantar e otimizar modelos em dispositivos de borda Ascend usando o conjunto de ferramentas CANN.

Ao final deste treinamento, os participantes serão capazes de:

• Preparar e converter modelos de IA para o Ascend 310 utilizando as ferramentas CANN.
• Construir pipelines leves de inferência usando MindSpore Lite e AscendCL.
• Otimizar o desempenho do modelo em ambientes com recursos computacionais e de memória limitados.
• Implantar e monitorar aplicativos de IA em casos reais de uso na borda.

Formato do Curso

• Aula interativa e demonstração.
• Trabalho prático com modelos específicos da borda e cenários.
• Exemplos de implantação ao vivo em hardware virtual ou físico da borda.

Opções de Customização do Curso

• Para solicitar um treinamento personalizado para este curso, por favor entre em contato conosco para agendar.

Este treinamento ao vivo conduzido por instrutor em Brasil (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 Brasil (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.

CANN (Arquitetura de Computação para Neural Networks) é a ferramenta de computação AI da Huawei usada para compilar, otimizar e implantar modelos AI nos processadores Ascend AI.

Este treinamento presencial (online ou em local físico) está direcionado a desenvolvedores iniciantes de IA que desejam entender como o CANN se encaixa no ciclo de vida do modelo, desde o treinamento até a implantação, e como ele funciona com frameworks como MindSpore, TensorFlow, e PyTorch.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender o propósito e a arquitetura da ferramenta CANN.
• Configurar um ambiente de desenvolvimento com CANN e MindSpore.
• Converter e implantar um modelo AI simples no hardware Ascend.
• Obter conhecimentos fundamentais para futuros projetos de otimização ou integração com o CANN.

Formato do Curso

• Aula interativa e discussão.
• Laboratórios práticos de implantação simples de modelos.
• Demonstração passo a passo da cadeia de ferramentas CANN e pontos de integração.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Ascend, Biren e Cambricon são plataformas de hardware de IA líderes na China, cada uma oferecendo ferramentas únicas de aceleração e perfilamento para cargas de trabalho de IA em escala de produção.

Esta formação ao vivo (online ou presencial), ministrada por um instrutor, é direcionada a engenheiros avançados de infraestrutura e desempenho de IA que desejam otimizar fluxos de trabalho de inferência e treinamento de modelos em múltiplas plataformas de chips de IA chineses.

No final desta formação, os participantes serão capazes de:

• Benchmarkear modelos nas plataformas Ascend, Biren e Cambricon.
• Identificar gargalos do sistema e ineficiências de memória/cálculo.
• Aplique otimizações em nível de gráfico, núcleo e operador.
• Ajustar pipelines de implantação para melhorar a taxa de transferência e a latência.

Formato do Curso

• Aula interativa e discussão.
• Uso prático das ferramentas de perfilamento e otimização em cada plataforma.
• Exercícios guiados focados em cenários práticos de ajuste.

Opções de Customização do Curso

• Para solicitar uma formação personalizada com base no seu ambiente de desempenho ou tipo de modelo, entre em contato conosco para agendar.

CANN SDK (Arquitetura de Computação para Neural Networks) é a base de computação AI da Huawei que permite aos desenvolvedores ajustar e otimizar o desempenho das redes neurais em rede no processador AI Ascend.

Esta formação presencial conduzida por um instrutor (online ou in loco) destina-se a engenheiros de sistemas e desenvolvedores avançados de IA que desejam otimizar o desempenho da inferência usando o conjunto avançado de ferramentas do CANN, incluindo o Graph Engine, TIK e o desenvolvimento de operadores personalizados.

Até ao final desta formação, os participantes serão capazes de:

• Compreender a arquitetura runtime e o ciclo de vida do desempenho do CANN.
• Usar ferramentas de perfil e Graph Engine para análise e otimização de desempenho.
• Criar e otimizar operadores personalizados usando TIK e TVM.
• Resolver gargalos de memória e melhorar o fluxo do modelo.

Formato da Formação

• Aula interativa e discussão.
• Laboratórios práticos com perfilagem em tempo real e ajuste de operadores.
• Exercícios de otimização usando exemplos de implantação de casos limites.

Opções de Customização do Curso

• Para solicitar uma formação personalizada para este curso, entre em contato conosco para agendar.

Arquiteturas chinesas GPU como Huawei Ascend, Biren e Cambricon MLUs oferecem alternativas ao CUDA, adaptadas para os mercados de IA e HPC locais.

Esta formação presencial ou online, ministrada por instrutores, destina-se a programadores avançados GPU e especialistas em infraestrutura que desejam migrar e otimizar aplicativos CUDA existentes para plataformas de hardware chinesas.

Ao final deste treinamento, os participantes serão capazes de:

• Avaliar a compatibilidade dos trabalhos do CUDA existente com as alternativas de chips chineses.
• Portar bases de código CUDA para ambientes Huawei CANN, Biren SDK e Cambricon BANGPy.
• Comparar o desempenho e identificar pontos de otimização em diferentes plataformas.
• Enfrentar desafios práticos no suporte a arquiteturas cruzadas e na implantação.

Formato do Curso

• Aula interativa e discussão.
• Laboratórios de tradução prática de código e comparação de desempenho.
• Exercícios guiados focados em estratégias de adaptação multi-GPU.

Opções de Personalização do Curso

• Para solicitar uma formação personalizada baseada no seu plataforma ou projeto CUDA, entre em contato conosco para agendar.

Este treinamento ao vivo conduzido por instrutor em Brasil (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.

CANN (Arquitetura de Computação para Neural Networks) é a pilha de computação AI da Huawei para implantar e otimizar modelos AI nos processadores Ascend AI.

Este treinamento presencial ou online, ministrado por instrutor, destina-se a desenvolvedores e engenheiros intermediários de IA que desejam implantar modelos AI treinados eficientemente em hardware Huawei Ascend usando o toolkit CANN e ferramentas como MindSpore, TensorFlow ou PyTorch.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender a arquitetura do CANN e seu papel na cadeia de implantação da IA.
• Converter e adaptar modelos de frameworks populares para formatos compatíveis com Ascend.
• Utilizar ferramentas como ATC, conversão do modelo OM e o MindSpore para inferência na borda e nuvem.
• Diagnosticar problemas de implantação e otimizar desempenho no hardware Ascend.

Formato do Curso

• Aula interativa e demonstração.
• Trabalho prático utilizando ferramentas CANN e simuladores ou dispositivos Ascend.
• Cenários de implantação práticos baseados em modelos AI do mundo real.

Opções de Customização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Os aceleradores AI Biren são GPUs de alto desempenho projetados para cargas de trabalho de IA e HPC, com suporte para treinamento em larga escala e inferência.

Esta formação ao vivo (online ou presencial), ministrada por instrutor, destina-se a desenvolvedores de nível intermediário a avançado que desejam programar e otimizar aplicações usando o stack proprietário GPU da Biren, com comparações práticas em ambientes baseados em CUDA.

Ao final desta formação, os participantes serão capazes de:

• Entender a arquitetura e a hierarquia de memória do GPU Biren.
• Configurar o ambiente de desenvolvimento e usar o modelo de programação da Biren.
• Traduzir e otimizar código no estilo CUDA para plataformas Biren.
• Aplicar técnicas de otimização de desempenho e depuração.

Formato do Curso

• Aula interativa e discussão.
• Uso prático da SDK Biren em cargas de trabalho de exemplo GPU.
• Exercícios orientados focados na portabilidade e otimização de desempenho.

Opções de Customização do Curso

• Para solicitar uma formação personalizada baseada em sua pilha de aplicativos ou necessidades de integração, entre em contato conosco para agendar.

As unidades MLU da Cambricon (Machine Learning) são chips especializados de IA otimizados para inferência e treinamento em cenários de borda e datacenter.

Este treinamento ao vivo, conduzido por um instrutor (online ou presencial), é direcionado a desenvolvedores intermediários que desejam construir e implantar modelos de IA usando o framework BANGPy e o SDK Neuware na hardware MLU da Cambricon.

No final deste treinamento, os participantes serão capazes de:

• Configurar e configurar os ambientes de desenvolvimento do BANGPy e Neuware.
• Desenvolver e otimizar modelos baseados em Python e C++ para as unidades MLU da Cambricon.
• Implantar modelos em dispositivos de borda e data center que executam o tempo de execução Neuware.
• Integrar fluxos de trabalho de ML com recursos de aceleração específicos do MLU.

Formato do Curso

• Aula interativa e discussão.
• Uso prático do BANGPy e Neuware para desenvolvimento e implantação.
• Exercícios guiados focados em otimização, integração e teste.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado baseado no modelo do dispositivo Cambricon ou caso de uso específico, entre em contato conosco para agendar.

Este treinamento ao vivo conduzido por instrutor em Brasil (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 Brasil (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.

Este treinamento presencial, liderado por instrutor (online ou no local), destina-se a desenvolvedores de nível intermediário que desejam usar o CUDA para criar aplicativos Python que executem em paralelo em GPUs NVIDIA.

Ao final deste treinamento, os participantes serão capazes de:

• Usar o compilador Numba para acelerar aplicativos Python executando em GPUs NVIDIA.
• Criar, compilar e lançar kernels personalizados CUDA.
• Gerenciar memória de GPU.
• Converter um aplicativo baseado em CPU em um aplicativo acelerado por GPU.

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