Białystok

NobleProg Classroom, Białystok, poland, 15-440

Podkategorie (1)

Image for the CUDA (Compute Unified Device Architecture)

CUDA (Compute Unified Device Architecture)

Przeglądaj szkolenia

GPU Programming with OpenACC

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Białystok (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą używać OpenACC do programowania heterogenicznych urządzeń i wykorzystywania ich równoległości. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Skonfigurować środowisko programistyczne, które obejmuje OpenACC SDK, urządzenie obsługujące OpenACC i Visual Studio Code.
  • Utworzyć podstawowy program OpenACC, który wykonuje dodawanie wektorowe na urządzeniu i pobiera wyniki z pamięci urządzenia.
  • Użyj dyrektyw i klauzul OpenACC, aby dodać adnotacje do kodu i określić regiony równoległe, ruch danych i opcje optymalizacji.
  • Używanie interfejsu API OpenACC do odpytywania informacji o urządzeniu, ustawiania numeru urządzenia, obsługi błędów i synchronizacji zdarzeń.
  • Korzystanie z bibliotek OpenACC i funkcji interoperacyjności w celu integracji OpenACC z innymi modelami programowania, takimi jak CUDA, OpenMP i MPI.
  • Używanie narzędzi OpenACC do profilowania i debugowania programów OpenACC oraz identyfikowania wąskich gardeł i możliwości związanych z wydajnością.
  • Optymalizacja programów OpenACC przy użyciu technik takich jak lokalność danych, fuzja pętli, fuzja jądra i automatyczne dostrajanie.
Więcej...

Introduction to GPU Programming

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Białystok (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą nauczyć się podstaw programowania GPU oraz głównych frameworków i narzędzi do tworzenia aplikacji GPU.
  • Pod koniec tego szkolenia uczestnicy będą w stanie
    Zrozumieć różnicę między procesorem a GPU obliczeniowym oraz korzyści i wyzwania związane z programowaniem GPU.
  • Wybrać odpowiedni framework i narzędzie dla swojej aplikacji GPU.
  • Stworzyć podstawowy program GPU, który wykonuje dodawanie wektorowe przy użyciu jednego lub więcej frameworków i narzędzi.
  • Korzystanie z odpowiednich interfejsów API, języków i bibliotek w celu wyszukiwania informacji o urządzeniu, przydzielania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jądra i synchronizowania wątków.
  • Korzystanie z odpowiednich przestrzeni pamięci, takich jak globalna, lokalna, stała i prywatna, w celu optymalizacji transferu danych i dostępu do pamięci.
  • Korzystanie z odpowiednich modeli wykonania, takich jak elementy robocze, grupy robocze, wątki, bloki i siatki, w celu kontrolowania równoległości.
  • Debugowanie i testowanie programów GPU przy użyciu narzędzi takich jak CodeXL, CUDA-GDB, CUDA-MEMCHECK i NVIDIA Nsight.
  • Optymalizacja programów GPU przy użyciu technik takich jak koalescencja, buforowanie, prefetching i profilowanie.
Więcej...

GPU Programming - OpenCL vs CUDA vs ROCm

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Białystok (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą korzystać z różnych frameworków do programowania GPU i porównywać ich funkcje, wydajność i kompatybilność. Pod koniec tego szkolenia uczestnicy będą mogli
  • Skonfigurować środowisko programistyczne, które obejmuje OpenCL SDK, CUDA Toolkit, platformę ROCm, urządzenie obsługujące OpenCL, CUDA lub ROCm oraz Visual Studio kod.
  • Utwórz podstawowy program GPU, który wykonuje dodawanie wektorowe przy użyciu OpenCL, CUDA i ROCm oraz porównaj składnię, strukturę i wykonanie każdego z frameworków.
  • Użyj odpowiednich interfejsów API do wyszukiwania informacji o urządzeniu, przydzielania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jądra i synchronizowania wątków.
  • Używanie odpowiednich języków do pisania jąder, które wykonują się na urządzeniu i manipulują danymi.
  • Używanie odpowiednich wbudowanych funkcji, zmiennych i bibliotek do wykonywania typowych zadań i operacji.
  • Korzystanie z odpowiednich przestrzeni pamięci, takich jak globalna, lokalna, stała i prywatna, w celu optymalizacji transferu danych i dostępu do pamięci.
  • Używanie odpowiednich modeli wykonania do kontrolowania wątków, bloków i siatek, które definiują równoległość.
  • Debugowanie i testowanie programów GPU przy użyciu narzędzi takich jak CodeXL, CUDA-GDB, CUDA-MEMCHECK i NVIDIA Nsight.
  • Optymalizować programy GPU przy użyciu technik takich jak koalescencja, buforowanie, prefetching i profilowanie.
Więcej...

ROCm for Windows

 21 godzin
Szkolenie na żywo prowadzone przez instruktora w Białystok (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą zainstalować i używać ROCm w systemie Windows do programowania procesorów AMD GPU i wykorzystywania ich równoległości. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Skonfigurować środowisko programistyczne, które obejmuje platformę ROCm, procesor AMD GPU i Visual Studio Code w systemie Windows.
  • Stworzyć podstawowy program ROCm, który wykonuje dodawanie wektorowe na GPU i pobiera wyniki z pamięci GPU.
  • Użyj interfejsu API ROCm, aby uzyskać informacje o urządzeniu, przydzielić i zwolnić pamięć urządzenia, skopiować dane między hostem a urządzeniem, uruchomić jądra i zsynchronizować wątki.
  • Używanie języka HIP do pisania jąder, które wykonują się na GPU i manipulują danymi.
  • Używanie wbudowanych funkcji, zmiennych i bibliotek HIP do wykonywania typowych zadań i operacji.
  • Używanie przestrzeni pamięci ROCm i HIP, takich jak globalna, współdzielona, stała i lokalna, w celu optymalizacji transferu danych i dostępu do pamięci.
  • Używanie modeli wykonania ROCm i HIP do kontrolowania wątków, bloków i siatek, które definiują równoległość.
  • Debugowanie i testowanie programów ROCm i HIP przy użyciu narzędzi takich jak ROCm Debugger i ROCm Profiler.
  • Optymalizacja programów ROCm i HIP przy użyciu technik takich jak koalescencja, buforowanie, wstępne pobieranie i profilowanie.
Więcej...

AMD GPU Programming

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Białystok (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą używać ROCm i HIP do programowania procesorów AMD GPU i wykorzystywania ich równoległości. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Skonfigurować środowisko programistyczne, które obejmuje platformę ROCm, procesor AMD GPU i Visual Studio Code.
  • Stworzyć podstawowy program ROCm, który wykonuje dodawanie wektorowe na GPU i pobiera wyniki z pamięci GPU.
  • Użyj interfejsu API ROCm, aby zapytać o informacje o urządzeniu, przydzielić i zwolnić pamięć urządzenia, skopiować dane między hostem a urządzeniem, uruchomić jądra i zsynchronizować wątki.
  • Używanie języka HIP do pisania jąder, które wykonują się na GPU i manipulują danymi.
  • Używanie wbudowanych funkcji, zmiennych i bibliotek HIP do wykonywania typowych zadań i operacji.
  • Używanie przestrzeni pamięci ROCm i HIP, takich jak globalna, współdzielona, stała i lokalna, w celu optymalizacji transferu danych i dostępu do pamięci.
  • Używanie modeli wykonania ROCm i HIP do kontrolowania wątków, bloków i siatek, które definiują równoległość.
  • Debugowanie i testowanie programów ROCm i HIP przy użyciu narzędzi takich jak ROCm Debugger i ROCm Profiler.
  • Optymalizacja programów ROCm i HIP przy użyciu technik takich jak koalescencja, buforowanie, wstępne pobieranie i profilowanie.
Więcej...

GPU Programming with CUDA

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Białystok (online lub na miejscu) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą używać CUDA do programowania układów NVIDIA GPU i wykorzystywania ich równoległości. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Skonfigurować środowisko programistyczne zawierające CUDA Toolkit, układ NVIDIA GPU i Visual Studio Code.
  • Stworzyć podstawowy program CUDA, który wykonuje dodawanie wektorowe na GPU i pobiera wyniki z pamięci GPU.
  • Użyj interfejsu API CUDA do wyszukiwania informacji o urządzeniu, przydzielania i zwalniania pamięci urządzenia, kopiowania danych między hostem a urządzeniem, uruchamiania jądra i synchronizowania wątków.
  • Używanie języka CUDA C/C++ do pisania jąder, które wykonują się na GPU i manipulują danymi.
  • Używanie wbudowanych funkcji, zmiennych i bibliotek CUDA do wykonywania typowych zadań i operacji.
  • Korzystanie z przestrzeni pamięci CUDA, takich jak globalna, współdzielona, stała i lokalna, w celu optymalizacji transferu danych i dostępu do pamięci.
  • Używanie modelu wykonania CUDA do kontrolowania wątków, bloków i siatek, które definiują równoległość.
  • Debugowanie i testowanie programów CUDA przy użyciu narzędzi takich jak CUDA-GDB, CUDA-MEMCHECK i NVIDIA Nsight.
  • Optymalizować programy CUDA przy użyciu takich technik jak koalescencja, buforowanie, prefetching i profilowanie.
97% zadowolonych klientów.
Więcej...

Administration of CUDA

 35 godzin
This instructor-led, live training in Białystok (online or onsite) is aimed at beginner-level system administrators and IT professionals who wish to install, configure, manage, and troubleshoot CUDA environments. By the end of this training, participants will be able to:
  • Understand the architecture, components, and capabilities of CUDA.
  • Install and configure CUDA environments.
  • Manage and optimize CUDA resources.
  • Debug and troubleshoot common CUDA issues.
Więcej...

GPU Programming with OpenCL

 28 godzin
To prowadzone przez instruktora szkolenie na żywo w Białystok (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą używać OpenCL do programowania heterogenicznych urządzeń i wykorzystywania ich równoległości. Pod koniec tego szkolenia uczestnicy będą w stanie
  • Skonfigurować środowisko programistyczne obejmujące OpenCL SDK, urządzenie obsługujące OpenCL i Visual Studio Code.
  • Utworzyć podstawowy OpenCL program, który wykonuje dodawanie wektorowe na urządzeniu i pobiera wyniki z pamięci urządzenia.
  • Użyj OpenCL API, aby zapytać o informacje o urządzeniu, utworzyć konteksty, kolejki poleceń, bufory, jądra i zdarzenia.
  • Używanie OpenCL języka C do pisania jąder, które wykonują się na urządzeniu i manipulują danymi.
  • Używanie OpenCL wbudowanych funkcji, rozszerzeń i bibliotek do wykonywania typowych zadań i operacji.
  • Korzystanie z OpenCL modeli pamięci hosta i urządzenia w celu optymalizacji transferów danych i dostępu do pamięci.
  • Używanie OpenCL modelu wykonania do kontrolowania elementów roboczych, grup roboczych i zakresów ND.
  • Debugowanie i testowanie programów OpenCL przy użyciu narzędzi takich jak CodeXL, Intel VTune i NVIDIA Nsight.
  • Optymalizacja programów OpenCL przy użyciu technik takich jak wektoryzacja, rozwijanie pętli, pamięć lokalna i profilowanie.
Więcej...

GPU Programming with CUDA and Python

 14 godzin
Trening prowadzony przez instruktora na miejscu lub online (w zależności od lokalizacji) jest skierowany do programistów o średnim poziomie kwalifikacji, którzy chcą korzystać z CUDA do budowania aplikacji Python, które działają równolegle na kartach NVIDIA GPU. Po zakończeniu tego szkolenia uczestnicy będą w stanie
  • Wykorzystywać kompilator Numba do przyspieszenia aplikacji Python działających na kartach NVIDIA GPU.
  • Tworzyć, kompilować i uruchamiać niestandardowe jądra CUDA.
  • Zarządzać pamięcią GPU.
  • Przekształcić aplikację opartą na CPU w aplikację przyspieszoną przez GPU.
Więcej...

NVIDIA GPU Programming - Extended

 21 godzin
Ten prowadzony przez instruktora kurs szkoleniowy na żywo w Białystok obejmuje sposób programowania GPUs do obliczeń równoległych,  jak korzystać z różnych platform, jak pracować z platformą CUDA i jej funkcjami oraz jak wykonywać różne techniki optymalizacji za pomocą CUDA. Niektóre z zastosowań obejmują głębokie uczenie się, analitykę, przetwarzanie obrazu i aplikacje inżynieryjne.
Więcej...

Ostatnia aktualizacja:

Opinie uczestników (2)

Bardzo interaktywne z różnymi przykładami, z dobrym postępem złożoności między początkiem a końcem szkolenia.

Jenny - Andheo

Szkolenie - GPU Programming with CUDA and Python

Przetłumaczone przez sztuczną inteligencję

Spójny sposob prezentacji, duża wiedza trenera, odpowiedni poziom wejscia

Maciej Majka - Nokia

Szkolenie - NVIDIA GPU Programming - Extended

Propozycje terminów

Administration of CUDA

2025-05-26 09:00
35 godzin
Białystok
6450 PLN (Zdalne)
6700 PLN (Stacjonarne)

ROCm for Windows

2025-06-09 09:00
21 godzin
Białystok
3870 PLN (Zdalne)
4020 PLN (Stacjonarne)

AMD GPU Programming

2025-06-23 09:00
28 godzin
Białystok
5160 PLN (Zdalne)
5360 PLN (Stacjonarne)

GPU Programming with CUDA

2025-07-07 09:00
28 godzin
Białystok
5160 PLN (Zdalne)
5360 PLN (Stacjonarne)

AMD GPU Programming

2025-07-21 09:00
28 godzin
Białystok
5160 PLN (Zdalne)
5360 PLN (Stacjonarne)

Pozostałe regiony w Polsce

Inne kraje

Te szkolenia są również dostępne w innych krajach

Konsultacje

GPU Konsultacje
Szkolenie GPU (Graphics Processing Unit) Białystok, szkolenie wieczorowe Graphics Processing Unit Białystok, szkolenie weekendowe Graphics Processing Unit (GPU) Białystok, GPU (Graphics Processing Unit) boot camp Białystok, kurs zdalny GPU Białystok, nauka przez internet Graphics Processing Unit (GPU) Białystok, Kursy Graphics Processing Unit Białystok, instruktor Graphics Processing Unit (GPU) Białystok, Kurs Graphics Processing Unit (GPU) Białystok, wykładowca GPU (Graphics Processing Unit) Białystok, kurs online Graphics Processing Unit (GPU) Białystok, Trener GPU Białystok, nauczanie wirtualne Graphics Processing Unit Białystok, lekcje Graphics Processing Unit (GPU) Białystok, edukacja zdalna Graphics Processing Unit (GPU) Białystok