Capacitación en línea de GPU en Panama

Huawei Ascend es una familia de procesadores de IA diseñados para inferencia y entrenamiento de alto rendimiento.

Esta capacitación en vivo, impartida por instructores (en línea o presencial), está dirigida a ingenieros de IA y científicos de datos de nivel intermedio que desean desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y establecer el entorno de desarrollo de CANN.
• Desarrollar aplicaciones de IA utilizando flujos de trabajo con MindSpore y CloudMatrix.
• Optimizar el rendimiento en las NPUs de Ascend mediante operadores personalizados y tiling (fragmentación).
• Implementar modelos en entornos de borde o en la nube.

Formato del curso

• Clase interactiva y discusión.
• Uso práctico del kit de herramientas Huawei Ascend y CANN en aplicaciones de ejemplo.
• Ejercicios guiados centrados en la creación, entrenamiento e implementación de modelos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su infraestructura o conjuntos de datos, póngase en contacto con nosotros para coordinarla.

La pila de IA de Huawei, desde el SDK de bajo nivel CANN hasta el framework de alto nivel MindSpore, ofrece un entorno de desarrollo y despliegue de IA estrechamente integrado, optimizado para hardware Ascend.

Esta formación en directo impartida por instructores (online o in situ) está dirigida a profesionales técnicos de nivel principiante e intermedio que desean comprender cómo los componentes CANN y MindSpore trabajan juntos para gestionar el ciclo de vida de la IA y tomar decisiones sobre la infraestructura.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura en capas de la pila de cómputo con IA de Huawei.
• Identificar cómo CANN soporta la optimización de modelos y el despliegue a nivel de hardware.
• Evaluar el framework MindSpore y su conjunto de herramientas en relación con las alternativas del sector.
• Ubicar la pila de IA de Huawei dentro de entornos empresariales, en la nube o locales (on-prem).

Formato del Curso

• Clase interactiva y discusión.
• Demostraciones en directo del sistema y recorridos guiados basados en casos prácticos.
• Laboratorios opcionales guiados sobre el flujo de modelos desde MindSpore hasta CANN.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizarlo.

Esta formación en vivo impartida por un instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar OpenACC para programar dispositivos heterogéneos y aprovechar su paralelismo.

Al final de esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo con OpenACC.
• Escribir y ejecutar un programa básico de OpenACC.
• Anotar el código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Perfilar, depurar y optimizar programas de OpenACC.

El CANN SDK (Compute Architecture for Neural Networks) proporciona potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real de visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a profesionales de la IA de nivel intermedio que deseen construir, implementar y optimizar modelos de visión y lenguaje utilizando el CANN SDK para casos de uso en producción.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar y optimizar modelos CV y NLP usando CANN y AscendCL.
• Utilizar herramientas CANN para convertir modelos e integrarlos en pipelines en tiempo real.
• Optimizar el rendimiento de inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir pipelines CV/NLP en tiempo real para escenarios de implementación en edge o en la nube.

Formato del Curso

• Conferencia y demostración interactivas.
• Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
• Diseño de pipelines en vivo usando casos de uso reales CV y NLP.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que deseen aprender los fundamentos de la programación de GPUs y los principales marcos de trabajo y herramientas para desarrollar aplicaciones basadas en GPU.

• Al finalizar esta formación, los participantes podrán:
  Comprender las diferencias entre la computación con CPU y GPU, así como las ventajas y desafíos de la programación de GPUs.
• Elegir el marco de trabajo y la herramienta adecuados para su aplicación basada en GPU.
• Crear un programa básico de GPU que realice una suma de vectores utilizando uno o varios de los marcos de trabajo y herramientas.
• Utilizar las API, lenguajes y bibliotecas respectivas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución respectivos, como items de trabajo, grupos de trabajo, hilos, bloques y cuadrículas, para controlar el paralelismo.
• Depurar y probar programas de GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de GPU mediante técnicas como la coalescencia, el almacenamiento en caché, la prefetición y el perfilado.

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

Esta formación en vivo y dirigida por instructores (en línea o presencial) está diseñada para desarrolladores de sistemas de nivel avanzado que deseen construir, implementar y optimizar 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 utilizando el DSL de TIK para procesadores Ascend.
• Integrar operaciones personalizadas en el tiempo de ejecución y el grafo de ejecución de CANN.
• Utilizar TVM para la programación de operadores, la automatización del ajuste fino y la evaluación comparativa.
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cálculo personalizados.

Formato del curso

• Conferencia interactiva y demostración.
• Práctica de codificación de operadores utilizando los pipelines de TIK y TVM.
• Pruebas y ajuste fino en hardware Ascend o simuladores.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.

Esta formación en directo impartida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar diferentes marcos de trabajo para la programación de GPU y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, CUDA Toolkit, la plataforma ROCm, un dispositivo que admita OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa GPU básico que realice una suma de vectores utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, la estructura y la ejecución de cada marco de trabajo.
• Utilizar las APIs correspondientes para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los lenguajes correspondientes para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas correspondientes para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria correspondientes, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución correspondientes para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas GPU mediante técnicas como el agrupamiento, la caché, la precarga de datos y la profilación.

CloudMatrix es la plataforma unificada de desarrollo y despliegue de inteligencia artificial de Huawei, diseñada para respaldar tuberías de inferencia escalables y orientadas a la producción.

Esta formación en vivo impartida por un instructor (en línea o en las instalaciones) está dirigida a profesionales de la IA de nivel principiante a intermedio que deseen desplegar y supervisar modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al final de esta formación, los participantes serán capaces de:

• Utilizar CloudMatrix para empaquetar, desplegar y servir modelos.
• Convertir y optimizar modelos para conjuntos de chips Ascend.
• Configurar tuberías para tareas de inferencia en tiempo real y por lotes.
• Supervisar despliegues y ajustar el rendimiento en entornos de producción.

Formato del curso

• Clase interactiva y discusión.
• Uso práctico de CloudMatrix con escenarios reales de despliegue.
• Ejercicios guiados centrados en la conversión, optimización y escalado.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su infraestructura de IA o entorno en la nube, póngase en contacto con nosotros para coordinarlo.

El kit de herramientas Ascend CANN de Huawei permite una inferencia de IA potente en dispositivos del borde, como el Ascend 310. CANN proporciona las herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con recursos de cómputo y memoria limitados.

Esta formación presencial impartida por un instructor (en línea o en sitio) está dirigida a desarrolladores e integradores de IA de nivel intermedio que deseen implementar y optimizar modelos en dispositivos del borde Ascend utilizando el conjunto de herramientas CANN.

Al finalizar esta formación, los participantes serán capaces de:

• Preparar y convertir modelos de IA para el Ascend 310 utilizando las herramientas CANN.
• Construir pipelines de inferencia ligeros usando MindSpore Lite y AscendCL.
• Optimizar el rendimiento del modelo para entornos con capacidad de cómputo y memoria limitadas.
• Desplegar y monitorear aplicaciones de IA en casos de uso reales en el borde.

Formato del curso

• Clase interactiva y demostración.
• Práctica de laboratorio con modelos y escenarios específicos para el borde.
• Ejemplos de despliegue en vivo en hardware del borde virtual o físico.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Esta formación en vivo impartida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean instalar y utilizar ROCm en Windows para programar GPUs de AMD y explotar su paralelismo.

Al final de esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU de AMD y Visual Studio Code en Windows.
• Crear un programa básico de ROCm que realice una suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm e HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm e HIP utilizando técnicas como la agrupación, el almacenamiento en caché, la prebúsqueda y el perfilado.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean utilizar ROCm e HIP para programar GPUs de AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya la Plataforma ROCm, una GPU AMD y Visual Studio Code.
• Crear un programa básico de ROCm que realice una adición de vectores en la GPU y recupere los resultados de la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y desasignar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm e HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm e HIP utilizando técnicas como coalescencia, almacenamiento en caché, prefetching y perfilado.

CANN (Compute Architecture for Neural Networks) es la suite de herramientas de computación para inteligencia artificial de Huawei, utilizada para compilar, optimizar y desplegar modelos de IA en procesadores de IA Ascend.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a desarrolladores de IA de nivel principiante que deseen comprender cómo CANN se integra en el ciclo de vida del modelo, desde el entrenamiento hasta el despliegue, y cómo interactúa con frameworks como MindSpore, TensorFlow y PyTorch.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el propósito y la arquitectura del toolkit CANN.
• Configurar un entorno de desarrollo con CANN y MindSpore.
• Convertir y desplegar un modelo de IA básico en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del curso

• Conferencia interactiva y debate.
• Prácticas con despliegue de modelos simples.
• Guía paso a paso de la cadena de herramientas CANN y los puntos de integración.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Ascend, Biren y Cambricon son plataformas de hardware de IA líderes en China, cada una ofreciendo herramientas únicas de aceleración y perfilado para cargas de trabajo de IA a escala de producción.

Este entrenamiento en vivo con instructores (en línea o presencial) está dirigido a ingenieros avanzados de infraestructura y rendimiento de IA que desean optimizar los flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips de IA chinos.

Al finalizar este entrenamiento, los participantes podrán:

• Ejecutar pruebas de rendimiento en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias de memoria/cómputo.
• Aplicar optimizaciones a nivel de gráfico, de kernel y de operador.
• Ajustar las tuberías de implementación para mejorar el rendimiento y la latencia.

Formato del Curso

• Clase interactiva y discusión.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados centrados en escenarios prácticos de ajuste.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso basado en su entorno de rendimiento o tipo de modelo, contáctenos para coordinar los detalles.

CANN SDK (Compute Architecture for Neural Networks) es la base de computación de IA de Huawei que permite a los desarrolladores ajustar y optimizar el rendimiento de las redes neuronales implementadas en procesadores de IA Ascend.

Esta formación presencial dirigida por instructores (en línea o in situ) está dirigida a desarrolladores de IA y ingenieros de sistemas de nivel avanzado que deseen optimizar el rendimiento de inferencia utilizando el conjunto avanzado de herramientas de CANN, incluido Graph Engine, TIK y el desarrollo de operadores personalizados.

Al final de esta formación, los participantes podrán:

• Comprender la arquitectura en tiempo de ejecución de CANN y su ciclo de vida de rendimiento.
• Utilizar herramientas de análisis perfiles y Graph Engine para el análisis y la optimización del rendimiento.
• Crear y optimizar operadores personalizados utilizando TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el throughput de los modelos.

Formato del Curso

• Clases interactivas y discusión.
• Laboratorios prácticos con análisis perfiles en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de implementación de casos extremos.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para organizarlo.

Las arquitecturas GPU chinas, como Huawei Ascend, Biren y las MLU de Cambricon, ofrecen alternativas a CUDA adaptadas para los mercados locales de IA y HPC.

Esta formación en directo impartida por un instructor (en línea o presencial) está dirigida a programadores GPU avanzados y especialistas en infraestructura que deseen migrar y optimizar aplicaciones CUDA existentes para su despliegue en plataformas de hardware chinas.

Al finalizar esta formación, los participantes podrán:

• Evaluar la compatibilidad de las cargas de trabajo CUDA existentes con las alternativas de chips chinos.
• Transferir bases de código CUDA a entornos Huawei CANN, Biren SDK y Cambricon BANGPy.
• Comparar el rendimiento e identificar puntos de optimización en distintas plataformas.
• Dar solución a los desafíos prácticos del soporte entre arquitecturas y el despliegue.

Formato del curso

• Lección interactiva y discusión.
• Laboratorios prácticos de traducción de código y comparación de rendimiento.
• Ejercicios guiados centrados en estrategias de adaptación multi-GPU.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su plataforma o proyecto CUDA, por favor contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar CUDA para programar GPUs de NVIDIA y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el CUDA Toolkit, una GPU de NVIDIA y Visual Studio Code.
• Crear un programa CUDA básico que realice una suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de CUDA para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en la GPU y manipulen los datos.
• Utilizar las funciones integradas, variables y bibliotecas de CUDA para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de CUDA para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas CUDA utilizando herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas CUDA utilizando técnicas como la coalescencia, el almacenamiento en caché, la precarga y la instrumentación (profiling).

97 % de clientes satisfechos.

CANN (Compute Architecture for Neural Networks) es la pila de computación para IA de Huawei, diseñada para desplegar y optimizar modelos de IA en procesadores AI Ascend.

Esta formación dirigida por un instructor y impartida en directo (en línea o presencial) está dirigida a desarrolladores e ingenieros de nivel intermedio que deseen desplegar modelos de IA entrenados de manera eficiente en hardware Huawei Ascend, utilizando el kit de herramientas CANN y herramientas como MindSpore, TensorFlow o PyTorch.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura de CANN y su papel en el flujo de trabajo de despliegue de IA.
• Convertir y adaptar modelos de frameworks populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, la conversión de modelos OM y MindSpore para inferencia en bordes (edge) y en la nube.
• Diagnosticar problemas de despliegue y optimizar el rendimiento en hardware Ascend.

Formato del curso

• Clase interactiva con demostraciones prácticas.
• Práctica manual con herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios de despliegue prácticos basados en modelos de IA del mundo real.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.

Los aceleradores de IA de Biren son GPUs de alto rendimiento diseñadas para cargas de trabajo de IA y HPC, con soporte para entrenamiento e inferencia a gran escala.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio a avanzado que deseen programar y optimizar aplicaciones utilizando el stack propietario de GPU de Biren, con comparaciones prácticas frente a entornos basados en CUDA.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura de la GPU de Biren y su jerarquía de memoria.
• Configurar el entorno de desarrollo y utilizar el modelo de programación de Biren.
• Traducir y optimizar código estilo CUDA para plataformas Biren.
• Aplicar técnicas de ajuste de rendimiento y depuración.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico del SDK de Biren en cargas de trabajo de GPU de ejemplo.
• Ejercicios guiados centrados en la portabilidad y el ajuste de rendimiento.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en tu stack de aplicaciones o necesidades de integración, por favor contáctanos para coordinarlo.

Los MLUs (Unidades de Aprendizaje Automático) de Cambricon son chips de IA especializados, optimizados para tareas de inferencia y entrenamiento en entornos de borde y centros de datos.

Esta formación práctica, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores de nivel intermedio que desean construir e implementar modelos de IA utilizando el framework BANGPy y el SDK de Neuware en hardware MLU de Cambricon.

Al finalizar esta formación, los participantes podrán:

• Instalar y configurar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para MLUs de Cambricon.
• Implementar modelos en dispositivos de borde y centros de datos que ejecuten el entorno runtime de Neuware.
• Integrar flujos de trabajo de aprendizaje automático (ML) con las funciones de aceleración específicas de MLU.

Formato del curso

• Clases interactivas y debates.
• Ejercicios prácticos con BANGPy y Neuware para desarrollo e implementación.
• Ejercicios guiados centrados en la optimización, integración y pruebas.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, basada en su modelo de dispositivo Cambricon o caso de uso, por favor contáctenos para coordinarlo.

Esta formación en vivo con instructor en Panama (en línea o presencial) está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que desean instalar, configurar, gestionar y resolver problemas de entornos CUDA.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura, los componentes y las capacidades de CUDA.
• Instalar y configurar entornos CUDA.
• Gestionar y optimizar los recursos de CUDA.
• Depurar y resolver problemas comunes de CUDA.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta formación, 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 de OpenCL que realice una suma de vectores en el dispositivo y recupere los resultados desde la memoria del dispositivo.
• Utilizar la API de OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, búfers, kernels y eventos.
• Utilizar el lenguaje C de OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Utilizar los modelos de memoria del host y del dispositivo de OpenCL para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los elementos de trabajo, grupos de trabajo y rangos ND (ND-ranges).
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL utilizando técnicas como vectorización, desenrollado de bucles, memoria local y perfilado.

Esta formación en vivo impartida por instructores en Panama (en línea o presencial) está dirigida a desarrolladores de C++ que desean usar CUDA para acelerar aplicaciones, escribir kernels GPU de alto rendimiento y aprovechar bibliotecas de algoritmos paralelos para cargas de trabajo de computación científica, procesamiento de datos y aprendizaje automático.

Esta formación en vivo impartida por un instructor en Panama (en línea o presencial) está dirigida a desarrolladores C/C++ que desean utilizar CUDA para acelerar aplicaciones intensivas en cómputo, incluyendo procesamiento de datos, simulaciones científicas, cargas de trabajo de aprendizaje automático y tuberías de procesamiento de imágenes.

Esta formación en vivo dirigida por instructores en Panama (en línea o presencial) está dirigida a desarrolladores de software, analistas de datos y profesionales técnicos que desean utilizar TensorFlow 2.x y Keras para construir, entrenar e implementar modelos de aprendizaje profundo para aplicaciones de visión por computadora, procesamiento del lenguaje natural y multimodales.

Este curso de formación en vivo y dirigido por instructores en Panama aborda cómo programar GPUs para computación paralela, cómo usar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar diversas técnicas de optimización mediante CUDA. Entre las aplicaciones se incluyen aprendizaje profundo, análisis de datos, procesamiento de imágenes y aplicaciones de ingeniería.