Cursos de GPU en Argentina

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

Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está orientada a ingenieros de IA y científicos de datos de nivel intermedio que deseen 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 podrán:

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

Formato del curso

• Clases interactivas y discusión grupal.
• Práctica con el kit de herramientas Huawei Ascend y CANN en aplicaciones de ejemplo.
• Ejercicios guiados centrados en la construcción, el entrenamiento y la implementación de modelos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso según su infraestructura o conjuntos de datos, contáctenos para organizarla.

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

Esta capacitación en vivo con instrucción (en línea o presencial) está dirigida a profesionales técnicos de nivel principiante e intermedio que desean comprender cómo los componentes CANN y MindSpore trabajan conjuntamente para administrar el ciclo de vida de la IA y tomar decisiones sobre la infraestructura.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura por capas de la pila de cómputo con IA de Huawei.
• Identificar cómo CANN respalda la optimización de modelos y el despliegue a nivel de hardware.
• Evaluar el framework MindSpore y su cadena de herramientas en relación con las alternativas del mercado.
• Ubicar la pila de IA de Huawei dentro de entornos empresariales o de nube/infraestructura propia.

Formato del Curso

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

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarla.

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

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

Esta capacitación en vivo con instructor (en línea o presencial) está dirigida a profesionales de IA de nivel intermedio que deseen construir, implementar y optimizar modelos de visión e idioma utilizando el SDK CANN para casos de uso productivos.

Al finalizar esta capacitación, los participantes serán capaces de:

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

Formato del Curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y perfilamiento de rendimiento.
• Diseño de pipelines en vivo utilizando casos de uso reales de CV y PLN.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para gestionarla.

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

• Al finalizar esta formación, los participantes podrán:
  Comprender la diferencia entre el cómputo en CPU y GPU, así como las ventajas y desafíos de la programación de GPU.
• Elegir el marco de trabajo y la herramienta adecuados para su aplicación con GPU.
• Crear un programa básico de GPU que realice una suma de vectores utilizando uno o más de los marcos de trabajo y herramientas mencionados.
• Utilizar las API, lenguajes y bibliotecas 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 respectivos espacios de memoria, como global, local, constante y privado, para optimizar transferencias de datos y accesos a la memoria.
• Utilizar los modelos de ejecución correspondientes, como elementos de trabajo, grupos de trabajo, hilos, bloques y grillas, 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 utilizando técnicas como coalescencia, almacenamiento en caché, prefetching y perfilado.

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

Esta formación en vivo con instructores (en línea o presencial) está dirigida a desarrolladores de sistemas de nivel avanzado que deseen construir, 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 personalizados de IA usando el DSL de TIK para procesadores Ascend.
• Integrar operadores personalizados en el tiempo de ejecución de CANN y en el gráfico de ejecución.
• Usar TVM para la programación, ajuste automático y evaluación comparativa de operadores.
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cómputo personalizados.

Formato del curso

• Expositivo interactivo y demostración práctica.
• Codificación práctica de operadores utilizando los pipelines de TIK y TVM.
• Pruebas y ajuste en hardware Ascend o en simuladores.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarla.

Esta capacitación en vivo dirigida por un instructor en Argentina (en línea o presencial) está orientada a desarrolladores de nivel principiante a intermedio que desean utilizar distintos frameworks para la programación de GPUs y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta capacitación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, CUDA Toolkit, la plataforma ROCm, un dispositivo que soporte OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa básico de GPU que realice una suma de vectores utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, estructura y ejecución de cada framework.
• Utilizar las APIs respectivas 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 los lenguajes respectivos para escribir kernels que se ejecutan en el dispositivo y manipulan datos.
• Utilizar las funciones incorporadas, variables y bibliotecas respectivas para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar los modelos de ejecución respectivos para controlar los hilos, bloques y rejillas que definen 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 coalescencia, caché, precarga (prefetching) y perfilado.

CloudMatrix es la plataforma unificada de Huawei para el desarrollo y despliegue de inteligencia artificial, diseñada para respaldar pipelines de inferencia escalables y de calidad productiva.

Este taller impartido por instructores (en línea o presencial) está dirigido a profesionales de IA de nivel principiante a intermedio que deseen desplegar y monitorear modelos de inteligencia artificial utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar CloudMatrix para empaquetado, despliegue y servicio de modelos.
• Convertir y optimizar modelos para conjuntos de chips Ascend.
• Configurar pipelines para tareas de inferencia en tiempo real y por lotes.
• Monitorear despliegues y ajustar el rendimiento en entornos de producción.

Formato del curso

• Conferencia interactiva y debate.
• Práctica directa con CloudMatrix mediante escenarios reales de despliegue.
• Ejercicios guiados enfocados en la conversión, optimización y escalado.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso según su infraestructura de IA o entorno en la nube, contáctenos para coordinarlo.

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

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

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Clase interactiva con demostraciones.
• Laboratorios prácticos con modelos y escenarios específicos para el borde.
• Ejemplos de despliegue en tiempo real sobre hardware de borde virtual o físico.

Opciones de personalización del curso

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

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

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU AMD y Visual Studio Code en Windows.
• Crear un programa básico de ROCm que realice la suma 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 liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, ejecutar kernels y sincronizar hilos.
• Usar el lenguaje HIP para escribir kernels que se ejecutan en la GPU y manipulan datos.
• Usar funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Usar los espacios de memoria de ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Usar los modelos de ejecución de ROCm y HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm y HIP utilizando técnicas como coalescencia, almacenamiento en caché, prefetching y perfilado.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o in situ) está dirigida a desarrolladores de nivel principiante e intermedio que desean utilizar ROCm e HIP para programar GPUs 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 suma de vectores en la GPU y obtenga los resultados de 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 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 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 mediante técnicas como agrupación (coalescing), almacenamiento en caché, precarga y perfilado.

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

Esta capacitación impartida por un instructor, disponible en modalidad online o presencial, 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 funciona junto 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 y desplegar un modelo de IA sencillo en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del Curso

• Clase interactiva y discusión en grupo.
• Prácticas con despliegue de modelos sencillos.
• Guía paso a paso del toolchain de CANN y los puntos de integración.

Opciones de Personalización del Curso

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

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

Esta formación práctica (online o presencial) está dirigida a ingenieros avanzados de infraestructura de IA y rendimiento que deseen optimizar los flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips de IA chinos.

Al finalizar esta formación, los participantes podrán:

• Ejecutar benchmarks de modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias de memoria/cómputo.
• Aplicar optimizaciones a nivel de grafo, de kernel y de operador.
• Ajustar los pipelines de implementación para mejorar el throughput (ancho de banda) 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 una formación personalizada para este curso basada en su entorno de rendimiento o tipo de modelo, por favor contáctenos para coordinar.

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

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de IA de nivel avanzado e ingenieros de sistemas que desean optimizar el rendimiento de inferencia utilizando el conjunto avanzado de herramientas de CANN, incluyendo el Motor de Gráficos, TIK y desarrollo de operadores personalizados.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura en tiempo de ejecución y el ciclo de vida del rendimiento de CANN.
• Utilizar herramientas de perfilado y el Motor de Gráficos para análisis y optimización del rendimiento.
• Crear y optimizar operadores personalizados utilizando TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el flujo de procesamiento de modelos.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de implementación en casos extremos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarla.

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

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

Al finalizar esta formación, los participantes podrán:

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

Formato del Curso

• Clases interactivas y debate.
• Talleres 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, póngase en contacto con nosotros para coordinarlo.

Esta formación en vivo dirigida por instructores en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar CUDA para programar GPUs NVIDIA y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el Toolkit de CUDA, una GPU NVIDIA y Visual Studio Code.
• Crear un programa básico de CUDA que realice la 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 host y el dispositivo, lanzar kernels y sincronizar hilos.
• Usar el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar 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.
• Usar el modelo de ejecución de CUDA para controlar los hilos, bloques y rejillas que definen el paralelismo.
• Depurar y probar programas de CUDA utilizando herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de CUDA utilizando técnicas como coalescencia, almacenamiento en caché, prefetching y perfilado.

97% de clientes satisfechos.

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

Esta formación impartida por un instructor (en línea o presencial) está dirigida a desarrolladores e ingenieros de IA de nivel intermedio que deseen implementar de manera eficiente modelos de IA entrenados en hardware Huawei Ascend, utilizando la herramienta CANN junto con frameworks como MindSpore, TensorFlow o PyTorch.

Al finalizar esta capacitación, los participantes podrán:

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

Formato del Curso

• Clase interactiva y demostraciones prácticas.
• Prácticas de laboratorio utilizando herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios prácticos de implementación 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 coordinar los detalles.

Los aceleradores GPU Biren AI 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 impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio a avanzado que deseen programar y optimizar aplicaciones utilizando la pila GPU propietaria de Biren, con comparaciones prácticas frente a entornos basados en CUDA.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura 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 GPU de muestra.
• Ejercicios guiados centrados en el portado y el ajuste de rendimiento.

Opciones de personalización del curso

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

Las unidades de aprendizaje automático (MLU) de Cambricon son chips de IA especializados, optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

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

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y preparar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las MLU de Cambricon.
• Desplegar modelos en dispositivos de borde y centros de datos que ejecuten el entorno de ejecución de Neuware.
• Integrar flujos de trabajo de aprendizaje automático con funciones de aceleración específicas para MLU.

Formato del curso

• Clase interactiva y debate.
• Práctica directa con BANGPy y Neuware para el desarrollo y despliegue.
• Ejercicios guiados enfocados en optimización, integración y pruebas.

Opciones de personalización del curso

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

Esta formación en vivo con instructores en Argentina (online o presencial) está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que deseen instalar, configurar, administrar y solucionar 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 solucionar problemas comunes de CUDA.

Esta formación en vivo impartida por un instructor en Argentina (en línea o presencial) está dirigida a desarrolladores de nivel principiante e 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 que admita 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.
• Usar el lenguaje C de OpenCL 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.
• Emplear los modelos de memoria del host y del dispositivo de OpenCL para optimizar las transferencias de datos y los accesos a memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los work-items (tareas de trabajo), work-groups (grupos de trabajo) y rangos ND.
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL mediante técnicas como la vectorización, el desenrollado de bucles, memoria local y perfilado (profiling).

Este curso en vivo con instructor en Argentina aborda cómo programar GPUs para computación paralela, cómo utilizar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar varias técnicas de optimización usando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo (deep learning), análisis de datos, procesamiento de imágenes y aplicaciones de ingeniería.