Cursos de GPU en Madrid

Huawei Ascend es una familia de procesadores de inteligencia artificial diseñados para realizar inferencias y entrenamientos de alto rendimiento.

Esta formación presencial o en línea, impartida por un instructor, está dirigida a ingenieros de IA y científicos de datos con conocimientos intermedios que deseen desarrollar y optimizar modelos neuronales mediante la plataforma Ascend de Huawei y el conjunto de herramientas CANN.

Al finalizar este curso, los participantes serán capaces de:

• Configurar correctamente el entorno de desarrollo de CANN.
• Desarrollar aplicaciones de IA utilizando MindSpore y los flujos de trabajo de CloudMatrix.
• Optimizar el rendimiento en las unidades NPU Ascend mediante operadores personalizados y estrategias de particionado.
• Implementar modelos tanto en entornos periféricos como en la nube.

Formato del curso

• Clases interactivas y sesiones de debate.
• Práctica guiada con la plataforma Huawei Ascend y el conjunto de herramientas CANN en aplicaciones reales.
• Ejercicios enfocados en la creación, entrenamiento e implementación de modelos.

Opciones de personalización del curso

• Si desean un plan de formación adaptado a su infraestructura o conjuntos de datos, no duden en contactarnos para gestionarlo.

La pila de inteligencia artificial de Huawei, que abarca desde el SDK CANN de bajo nivel hasta el framework MindSpore de alto nivel, conforma un entorno altamente integrado para el desarrollo y despliegue de soluciones basadas en IA, optimizado específicamente para el hardware Ascend.

Esta capacitación presencial o online, dirigida por un instructor, está pensada para profesionales técnicos con conocimientos básicos o intermedios que deseen entender cómo interactúan CANN y MindSpore para facilitar la gestión del ciclo de vida de los modelos de IA así como la toma de decisiones relacionadas con infraestructuras tecnológicas.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura por capas de la pila computacional para IA de Huawei.
• Identificar cómo CANN contribuye a la optimización de modelos y a su implementación a nivel del hardware.
• Evaluar el framework MindSpore y sus herramientas en comparación con otras opciones existentes en el mercado.
• Determinar cómo la pila de IA de Huawei puede adaptarse a entornos empresariales, nube o locales.

Modalidad del curso

• Clases interactivas con espacio para debates y consultas.
• Demostraciones en tiempo real de sistemas e ilustraciones prácticas a través de casos de uso concretos.
• Laboratorios guiados opcionales para practicar el flujo de modelos desde MindSpore hasta CANN.

Opciones de personalización del curso

• Si desea solicitar una adaptación específica para su empresa, no dude en contactarnos para coordinarlo.

Este curso práctico dirigido por instructores en Madrid (en línea o presencial) está orientado a desarrolladores de nivel principiante a intermedio que desean utilizar OpenACC para programar dispositivos heterogéneos y aprovechar su capacidad de paralelismo.

Al finalizar el curso, los participantes podrán:

• Configurar un entorno de desarrollo con OpenACC.
• Escribir y ejecutar programas básicos en OpenACC.
• Anotar el código mediante directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Hacer profiling, depurar y optimizar programas desarrollados con OpenACC.

El CANN SDK (Arquitectura Computacional para Redes Neuronales) ofrece potentes herramientas de despliegue y optimización destinadas a aplicaciones de inteligencia artificial en tiempo real relacionadas con la visión por computadora y el procesamiento del lenguaje natural, especialmente en hardware Ascend de Huawei.

Este curso práctico e interactivo, impartido por instructores (en línea o presencial), está dirigido a profesionales de la IA con conocimientos intermedios que deseen desarrollar, implementar y optimizar modelos visuales y lingüísticos mediante el CANN SDK para aplicaciones productivas.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar y optimizar modelos de visión por computadora y procesamiento del lenguaje natural utilizando CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en pipelines en ejecución.
• Optimizar el rendimiento de inferencia en tareas como detección, clasificación y análisis de sentimientos.
• Crear pipelines en tiempo real para visión por computadora y procesamiento del lenguaje natural, listos para ser desplegados tanto en entornos perimetrales como en la nube.

Formato del curso

• Exposiciones interactivas y demostraciones prácticas.
• Trabajo práctico en laboratorios centrados en el despliegue de modelos y la evaluación del rendimiento.
• Diseño de pipelines reales a partir de casos de uso concretos de visión por computadora y procesamiento del lenguaje natural.

Opciones de personalización del curso

• Para solicitar un entrenamiento adaptado a sus necesidades, no dude en contactarnos para coordinar los detalles.

Este entrenamiento presencial o remoto guiado por un profesor está pensado para programadores con nivel inicial o intermedio, deseosos de familiarizarse con los conceptos esenciales de la programación GPU y con los instrumentos más relevantes en este campo.

• Al finalizar el curso, los participantes podrán:
  Comprender las diferencias entre el procesamiento mediante CPUs y GPUs, así como los beneficios y desafíos de la programación con GPU.
• Seleccionar el marco de trabajo y la herramienta adecuados para sus aplicaciones basadas en GPU.
• Desarrollar un programa básico que realice la suma de vectores, utilizando uno o varios de los marcos mencionados.
• Aplicar las distintas APIs, lenguajes y librerías para obtener información sobre el dispositivo, asignar y liberar memoria en él, transferir datos entre el host y la GPU, ejecutar kernels y sincronizar hilos.
• Utilizar los diferentes espacios de memoria, como global, local, constante o privada, para optimizar tanto la transferencia como el acceso a los datos.
• Aplicar modelos de ejecución basados en work-items, grupos de trabajo, hilos y bloques con el fin de gestionar eficazmente el paralelismo.
• Depurar y probar programas GPU mediante herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar dichos programas empleando técnicas como la agrupación de accesos a memoria, el almacenamiento en caché, el prefetching o el análisis detallado del rendimiento.

CANN TIK (Tensor Instruction Kernel) y Apache TVM permiten una optimización avanzada y la personalización de los operadores de modelos de inteligencia artificial para el hardware Ascend de Huawei.

Esta capacitación presencial o en línea, dirigida por un instructor, está pensada para desarrolladores de sistemas de nivel avanzado que deseen crear, implementar y ajustar operadores personalizados para modelos de IA utilizando el modelo de programación TIK de CANN y la integración del compilador TVM.

Al finalizar esta formación, los participantes serán capaces de:

• Escribir y probar operadores de IA personalizados mediante el lenguaje DSL de TIK para procesadores Ascend.
• Integrar operaciones personalizadas en el entorno de ejecución de CANN y en su grafo de ejecución.
• Utilizar TVM para programar, ajustar automáticamente y evaluar el rendimiento de los operadores.
• Depurar y optimizar el rendimiento a nivel de instrucciones en patrones computacionales personalizados.

Formato del curso

• Clases interactivas y demostraciones prácticas.
• Programación práctica de operadores mediante los flujos de trabajo de TIK y TVM.
• Pruebas y ajustes en hardware Ascend o en simuladores correspondientes.

Opciones de personalización del curso

• Para solicitar una capacitación adaptada a sus necesidades, no dude en contactarnos para coordinarlo.

Este curso presencial o online dirigido por un instructor está destinado a desarrolladores de nivel principiante e intermedio que deseen emplear distintos frameworks para la programación en GPU y analizar sus características, eficacia operativa y compatibilidad.

Al finalizarlo, los participantes lograrán:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, el Toolkit CUDA, la plataforma ROCm, un dispositivo compatible con OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear programas básicos en GPU que realicen suma de vectores mediante OpenCL, CUDA y ROCm, comparando la sintaxis, estructura y rendimiento de cada framework.
• Utilizar las API correspondientes para consultar información del dispositivo, asignar o liberar memoria en él, transferir datos entre el host y el dispositivo, ejecutar kernels y sincronizar hilos.
• Escribir código en los lenguajes específicos para definir kernels que se ejecuten en la GPU y manipulen datos.
• Aplicar las funciones, variables y librerías integradas de cada entorno para realizar tareas comunes en programación en GPU.
• Emplear distintos espacios de memoria (global, local, constante o privada) según el framework utilizado con el fin de optimizar las transferencias y accesos a memoria.
• Controlar la ejecución en paralelo utilizando los modelos propios de cada plataforma para definir hilos, bloques y rejillas.
• Depurar y probar programas en GPU mediante herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar dichos programas empleando técnicas como la agrupación de accesos a memoria, el almacenamiento en caché, la precarga de datos y el análisis del rendimiento.

CloudMatrix es la plataforma unificada de Huawei para el desarrollo y despliegue de inteligencia artificial, diseñada para facilitar la creación de flujos de inferencia escalables aptos para entornos de producción.

Este curso presencial o online, impartido por un instructor, está orientado a profesionales de IA con conocimientos básicos o intermedios que deseen desplegar y supervisar modelos mediante la plataforma CloudMatrix, integrando CANN y MindSpore.

Al finalizar este curso, los participantes podrán:

• Utilizar CloudMatrix para empaquetar, desplegar y poner en servicio modelos de IA.
• Convertir y optimizar modelos para su ejecución en chips Ascend.
• Configurar flujos de trabajo para tareas de inferencia en tiempo real o por lotes.
• Supervisar los despliegues y ajustar el rendimiento en entornos productivos.

Formato del curso

• Clases interactivas con debate y discusión.
• Práctica directa con CloudMatrix mediante escenarios reales de despliegue.
• Ejercicios guiados enfocados en la conversión, optimización y escalabilidad de modelos.

Opciones de personalización del curso

• Si desea solicitar una capacitación adaptada a su infraestructura de IA o entorno cloud, no dude en contactarnos para coordinarlo.

El kit de herramientas Ascend CANN de Huawei permite realizar inferencias de IA potentes en dispositivos periféricos como el Ascend 310. CANN ofrece herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con limitaciones de computación y memoria.

Esta capacitación práctica dirigida por un instructor (en línea o presencial) está destinada a desarrolladores e integradores de IA de nivel intermedio que deseen implementar y optimizar modelos en dispositivos Ascend mediante el conjunto de herramientas CANN.

Al finalizar este curso, los participantes podrán:

• Preparar y convertir modelos de IA para el Ascend 310 utilizando las herramientas CANN.
• Crear pipelines de inferencia ligeros con MindSpore Lite y AscendCL.
• Optimizar el rendimiento de los modelos en entornos con recursos limitados de computación y memoria.
• Implementar y supervisar aplicaciones de IA en casos prácticos del mundo real en dispositivos periféricos.

Formato del curso

• Clases interactivas y demostraciones prácticas.
• Ejercicios prácticos en laboratorio con modelos y escenarios propios del entorno periférico.
• Ejemplos de implementación en tiempo real tanto en hardware virtual como físico.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada, no dude en contactarnos para coordinarlo.

Este curso práctico dirigido por un instructor en Madrid (en línea o presencial) va dirigido a desarrolladores principiantes e intermedios que deseen instalar y usar ROCm en Windows para programar las GPUs AMD y aprovechar su capacidad paralela.

Al finalizar el curso, los asistentes serán capaces de:

• Configurar un entorno de desarrollo integrado por la plataforma ROCm, una GPU AMD y Visual Studio Code en Windows.
• Crear programas sencillos en ROCm que realicen sumas vectoriales sobre la GPU y recuperen los resultados guardados en su memoria.
• Utilizar la API de ROCm para obtener datos técnicos del hardware, gestionar asignaciones y liberación de memoria, transferir información entre el host y la GPU, iniciar kernels así como sincronizar hilos según sea necesario.
• Escribir código en lenguaje HIP que ejecute acciones específicas sobre la GPU manipulando los datos proporcionados.
• Aplicar funciones predeterminadas, variables y librerías de HIP para facilitar labores comunes en el ámbito informático.
• Organizar estructuras lógicas basándose en espacios de memoria ofrecidos por ROCm e HIP (global, compartida, constante o local) para optimizar tanto los traspasos como las consultas a la memoria.
• Diseñar estrategias que permitan controlar el funcionamiento de hilos, bloques y mallas según el paradigma paralelo dictado por ROCm e HIP.
• Depurar código en entornos Windows con herramientas especializadas como depurador visual o perfilador ROCm destinados al análisis y control de errores en dispositivos AMD.
• Realizar mejoras sustanciales en rendimiento gracias a metodologías recomendadas, entre ellas la agrupación estratégica de accesos o el uso acertado del almacenamiento temporal.

Este taller presencial o online dirigido por expertos está diseñado para desarrolladores con conocimientos básicos hasta intermedios que deseen implementar soluciones mediante ROCm e HIP, especialmente para aprovechar las capacidades paralelizadas de las GPU AMD.

Al concluir la formación, los alumnos lograrán:

• Configurar un entorno de desarrollo que incluya a la plataforma ROCm, una GPU AMD y Visual Studio Code.
• Crear un programa sencillo en ROCm capaz de realizar sumas vectoriales en la GPU y extraer los datos del resultado obtenido.
• Aplicar la API de ROCm para obtener información técnica, gestionar asignaciones o liberaciones de memoria, trasladar información entre el sistema principal y el dispositivo gráfico, lanzar kernels y asegurar sincronización entre hilos.
• Emplear el lenguaje HIP para crear código que se ejecute en la GPU y modifique de manera eficaz los datos existentes.
• Incorporar funciones integradas, variables predefinidas y librerías propias de HIP en el fin de realizar operaciones comunes sin dificultad.
• Aplicar espacios de memoria como global, compartida, constante o local ofrecidos por ROCm e HIP con el propósito de optimizar transferencias y accesos.
• Controlar mediante modelos de ejecución los hilos, bloques y mallas que configuran la dinámica del paralelismo computacional.
• Depurar o analizar aplicaciones realizadas con ROCm e HIP gracias a recursos como el Depurador de ROCm y su Perfilador.
• Obtener avances en eficiencia aplicando procedimientos tales como la agrupación de operaciones, almacenamiento temporal o prefetching del contenido necesario.

CANN (Compute Architecture for Neural Networks) es el kit de herramientas de computación para IA de Huawei, utilizado para compilar, optimizar e implementar modelos de inteligencia artificial en los procesadores Ascend AI.

Esta capacitación presencial o en línea, dirigida por un instructor, está destinada a desarrolladores de IA principiantes que desean comprender cómo CANN se integra en el ciclo de vida del modelo, desde su entrenamiento hasta la implementación, así como su compatibilidad con frameworks como MindSpore, TensorFlow y PyTorch.

Al finalizar esta capacitación, los participantes podrán:

• Comprender el propósito y la arquitectura del kit de herramientas CANN.
• Configurar un entorno de desarrollo con CANN y MindSpore.
• Convertir e implementar un modelo de IA sencillo en el hardware Ascend.
• Adquirir conocimientos básicos para futuros proyectos de optimización o integración con CANN.

Formato del curso

• Clases interactivas y debates guiados.
• Laboratorios prácticos enfocados en la implementación de modelos simples.
• Guía paso a paso del flujo de trabajo con CANN y sus puntos de integración.

Opciones de personalización del curso

• Para solicitar una capacitación adaptada a sus necesidades, no dude en contactarnos para coordinarla.

Ascend, Biren y Cambricon son plataformas de hardware para IA líderes en China, cada una con herramientas propias de aceleración y análisis para cargas de trabajo a escala industrial.

Este curso práctico dirigido por un instructor (en formato online o presencial) está dirigido a ingenieros especializados en infraestructura y rendimiento de IA que desean optimizar los flujos de trabajo de inferencia y entrenamiento en diversas plataformas de chips chinos para IA.

Al finalizar el curso, los participantes podrán:

• Evaluar el rendimiento de modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema así como ineficiencias en memoria o cálculo.
• Aplicar optimizaciones a nivel de grafo, kernel u operador.
• Configurar adecuadamente los procesos de despliegue para mejorar el rendimiento y reducir la latencia.

Formato del curso

• Ponencias interactivas y debates.
• Trabajo práctico con herramientas de análisis y optimización en cada plataforma.
• Ejercicios guiados centrados en escenarios reales de ajuste del rendimiento.

Opciones de personalización del curso

• Si desea un programa adaptado a su entorno específico o tipo de modelo, contáctenos para coordinarlo.

El SDK CANN (Compute Architecture for Neural Networks) es la base computacional para inteligencia artificial de Huawei, que permite a los desarrolladores afinar y optimizar el rendimiento de las redes neuronales implementadas en los procesadores AI Ascend.

Este curso presencial o online, impartido por instructores expertos, está dirigido a desarrolladores avanzados de inteligencia artificial e ingenieros de sistemas que deseen optimizar el rendimiento durante la inferencia mediante el sofisticado conjunto de herramientas CANN, incluyendo Graph Engine, TIK y el desarrollo de operadores personalizados.

Al finalizar este curso, los participantes podrán:

• Comprender la arquitectura en tiempo de ejecución de CANN y su ciclo vital de rendimiento.
• Utilizar herramientas de perfilado y Graph Engine para analizar y optimizar el rendimiento.
• Diseñar y optimizar operadores personalizados con TIK y TVM.
• Resolver cuellos de botella en el uso de memoria y mejorar el flujo de procesamiento del modelo.

Formato del curso

• Clases interactivas con discusiones participativas.
• Laboratorios prácticos que incluyen perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización basados en ejemplos de implementación en escenarios complejos.

Opciones de personalización del curso

• Si desea solicitar un programa personalizado para este curso, no dude en contactarnos para coordinarlo.

Las arquitecturas de GPU chinas como Huawei Ascend, Biren y Cambricon MLU ofrecen alternativas a CUDA diseñadas específicamente para los mercados locales de inteligencia artificial y computación de alto rendimiento.

Este curso práctico y dirigido por un instructor (en línea o presencial) está orientado a programadores avanzados de GPU y especialistas en infraestructura que deseen migrar y optimizar aplicaciones CUDA existentes para su implementación en plataformas hardware chinas.

Al finalizar el curso, los participantes serán capaces de:

• Evaluar la compatibilidad de las cargas de trabajo basadas en CUDA con alternativas de chips chinos.
• Portar códigos CUDA a entornos como Huawei CANN, el SDK de Biren y BANGPy de Cambricon.
• Comparar el rendimiento entre distintas plataformas e identificar puntos de optimización.
• Resolver desafíos prácticos vinculados a la compatibilidad y despliegue en múltiples arquitecturas.

Formato del curso

• Clases interactivas con debates guiados.
• Laboratorios prácticos de traducción de código y comparación de rendimiento.
• Ejercicios orientados a estrategias para la adaptación multiprocesador.

Opciones de personalización del curso

• Para solicitar un entrenamiento adaptado a su plataforma o proyecto CUDA, no dude en contactarnos para coordinarlo.

Este curso presencial o virtual, orientado por un instructor, está destinado a desarrolladores novicios e intermedios que quieran emplear CUDA para programar GPUs de NVIDIA y sacar ventaja del paralelismo.

Al concluir esta formación, los asistentes podrán:

• Configurar un entorno de desarrollo con el SDK de CUDA, una GPU NVIDIA y Visual Studio Code.
• Elaborar un programa básico en CUDA que realice sumas vectoriales en la GPU y obtenga los resultados desde su memoria.
• Aplicar la API de CUDA para consultar datos del dispositivo, asignar y liberar espacio de almacenamiento, trasladar información entre host y GPU, lanzar kernels y coordinar hilos.
• Escribir en el lenguaje CUDA C/C++ código que se ejecute en la GPU y gestione los datos.
• Hacer uso de funciones predefinidas, variables y librerías incluidas en CUDA para resolver tareas habituales.
• Aprovechar distintos espacios de memoria —global, compartida, constante y local— a fin de optimizar el flujo y el acceso a los datos.
• Controlar hilos, bloques y rejillas mediante el modelo de ejecución de CUDA para organizar el paralelismo.
• Depurar sus programas con utilidades como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Mejorar el rendimiento utilizando métodos como la coalescencia, el cacheo, la precarga y la medición de desempeño mediante perfiles.

El 97 % de nuestros clientes se muestran completamente satisfechos.

CANN (Compute Architecture for Neural Networks) es la plataforma de computación para inteligencia artificial desarrollada por Huawei, orientada a desplegar y optimizar modelos de IA en los procesadores Ascend.

Este curso práctico, impartido por instructores (en línea o presencial), está dirigido a desarrolladores e ingenieros de IA de nivel intermedio que deseen implementar eficazmente modelos entrenados en hardware Huawei Ascend mediante el kit de herramientas CANN y plataformas como MindSpore, TensorFlow o PyTorch.

Al concluir el curso, los participantes serán capaces de:

• Comprender la arquitectura de CANN y su papel en el flujo de despliegue de modelos de IA.
• Convertir y adaptar modelos provenientes de marcos populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, el conversor de modelos OM y MindSpore para la inferencia en entornos edge y cloud.
• Diagnosticar problemas durante el despliegue y optimizar el rendimiento en hardware Ascend.

Formato del curso

• Clases interactivas con demostraciones prácticas.
• Trabajo en laboratorios utilizando herramientas CANN, simuladores o dispositivos Ascend.
• Análisis de escenarios reales de despliegue basados en modelos de IA genuinos.

Opciones de personalización del curso

• Para solicitar una versión adaptada a sus necesidades, no dude en contactarnos para coordinarlo.

Los aceleradores AI de Biren son GPUs de alto rendimiento diseñadas para cargas de trabajo de inteligencia artificial y computación de alto rendimiento, ofreciendo soporte para entrenamiento e inferencia a gran escala.

Este curso práctico, impartido por instructores (de forma presencial o en línea), está dirigido a desarrolladores de nivel intermedio y avanzado que deseen programar y optimizar aplicaciones utilizando el conjunto de herramientas propias de GPU de Biren, con comparativas prácticas frente a entornos basados en CUDA.

Al finalizar este curso, los participantes serán capaces de:

• Comprender la arquitectura de las GPU de Biren y su jerarquía de memoria.
• Configurar el entorno de desarrollo y emplear el modelo de programación proporcionado por Biren.
• Traducir y optimizar código escrito para CUDA para su uso en plataformas Biren.
• Aplicar técnicas de ajuste del rendimiento y depuración.

Formato del curso

• Clases interactivas con debates y discusiones.
• Práctica guiada con el SDK de Biren en ejemplos reales de cargas de trabajo GPU.
• Ejercicios estructurados centrados en la migración de código y su optimización.

Opciones de personalización del curso

• Si desea solicitar un curso adaptado a sus necesidades específicas o a su entorno técnico, no dude en contactarnos para coordinarlo.

Los MLU (Unidades de Aprendizaje Automático) de Cambricon son chips especializados en IA, optimizados para tareas de inferencia y entrenamiento tanto en dispositivos periféricos como en centros de datos.

Este curso presencial o online, dirigido por un instructor, está pensado para desarrolladores de nivel intermedio que deseen crear e implementar modelos de inteligencia artificial utilizando el framework BANGPy y el SDK Neuware en hardware Cambricon MLU.

Al finalizar este curso, los participantes serán capaces de:

• Configurar correctamente los entornos de desarrollo de BANGPy y Neuware.
• Diseñar y optimizar modelos basados en Python o C++ para su uso con las MLU de Cambricon.
• Desplegar dichos modelos en dispositivos periféricos o centros de datos que cuenten con el runtime Neuware.
• Integrar flujos de trabajo relacionados con el aprendizaje automático utilizando las funcionalidades de aceleración específicas de las MLU.

Formato del curso

• Clases interactivas y debates guiados.
• Practicar el uso de BANGPy y Neuware en labores de desarrollo e implementación.
• Ejercicios prácticos centrados en la optimización, integración y pruebas de modelos.

Opciones de personalización del curso

• Si desea un entrenamiento adaptado a su modelo concreto de hardware Cambricon o caso de uso particular, no dude en contactarnos para coordinarlo.

Este curso práctico dirigido por instructor en Madrid (en línea o presencial) está orientado a administradores de sistemas y profesionales de TI con nivel básico que deseen instalar, configurar, gestionar y solucionar problemas en entornos CUDA.

Al concluir el curso, los participantes serán capaces de:

• Comprender la arquitectura, componentes y funcionalidades de CUDA.
• Instalar y configurar entornos basados en CUDA.
• Gestionar y optimizar los recursos vinculados a CUDA.
• Diagnosticar y resolver problemas frecuentes relacionados con CUDA.

Este curso práctico dirigido por instructor en Madrid (online o presencial) está destinado a desarrolladores de nivel principiante e intermedio que deseen utilizar OpenCL para programar dispositivos heterogéneos y aprovechar su capacidad de paralelismo.

Al finalizar el curso, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, un dispositivo compatible con OpenCL y Visual Studio Code.
• Crear un programa básico en OpenCL que realice la suma de vectores en el dispositivo y recupere los resultados desde su memoria.
• Utilizar la API de OpenCL para consultar información sobre el dispositivo, crear contextos, colas de comandos, buffers, kernels y eventos.
• Emplear el lenguaje OpenCL C para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Aprovechar los modelos de memoria del anfitrión y del dispositivo en OpenCL para optimizar la transferencia y el acceso a datos.
• Utilizar el modelo de ejecución de OpenCL para controlar los elementos de trabajo, los grupos de trabajo y las gamas ND.
• Depurar y probar programas en OpenCL mediante herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar los programas en OpenCL empleando técnicas como la vectorización, el despliegue de bucles, el uso de memoria local y el perfilado.

Este curso, impartido por un instructor en Madrid (tanto online como presencial), está dirigido a desarrolladores en C++ interesados en utilizar CUDA para optimizar sus aplicaciones, crear kernels GPU de alto rendimiento y emplear bibliotecas paralelas en tareas científicas, de procesamiento de datos y aprendizaje automático.

Este entrenamiento presencial o online dirigido por un instructor, realizado en Madrid, está orientado a desarrolladores de C/C++ que deseen emplear CUDA para agilizar aplicaciones con alta demanda computacional, como procesamiento de datos, simulaciones científicas, cargas de trabajo de aprendizaje automático y pipelines de procesamiento de imágenes.

Este curso práctico dirigido por un instructor en Madrid (online o presencial) está pensado para desarrolladores de software, analistas de datos y profesionales técnicos que desean utilizar TensorFlow 2.x y Keras con el fin de crear, entrenar e implementar modelos de aprendizaje profundo destinados a aplicaciones de visión por computadora, procesamiento del lenguaje natural y sistemas multimodales.

Este curso presencial y dirigido por un instructor en Madrid explica cómo programar las GPUs para la computación paralela, el uso de diversas plataformas, el manejo de la plataforma CUDA y sus características, así como la aplicación de técnicas de optimización mediante CUDA. Entre sus aplicaciones destacan el aprendizaje profundo, el análisis de datos, el procesamiento de imágenes y diversas soluciones de ingeniería.