Capacitación en línea de GPU en Uruguay

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 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 serán capaces de:

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

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico del kit de herramientas Huawei Ascend y CANN en aplicaciones de muestra.
• Ejercicios guiados centrados en la construcción, 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, contáctenos para coordinar los detalles.

La pila de inteligencia artificial (IA) de Huawei — desde el SDK CANN de nivel bajo hasta el framework MindSpore de nivel alto — ofrece un entorno de desarrollo e implementación de IA estrechamente integrado, optimizado para el hardware Ascend.

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

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura en capas de la pila de computación de IA de Huawei.
• Identificar cómo CANN admite la optimización de modelos y la implementación a nivel de hardware.
• Evaluar el framework MindSpore y su herramienta de desarrollo en relación con las alternativas del sector.
• Ubicar la pila de IA de Huawei dentro de entornos empresariales o de nube / instalados en local.

Formato del curso

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

Opciones de personalización del curso

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

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

Al finalizar esta capacitación, los participantes podrán:

• 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) proporciona potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Esta formación práctica en vivo (en línea o presencial), con instructor, está dirigida a profesionales de la IA de nivel intermedio que desean crear, implementar y optimizar modelos de visión e idioma para casos de uso en producción mediante el SDK CANN.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar y optimizar modelos de VP y PLN utilizando CANN y AscendCL.
• Utilizar las herramientas CANN para convertir modelos e integrarlos en pipelines en tiempo real.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir pipelines de VP/PLN en tiempo real para escenarios de implementación en el borde (edge) o en la nube.

Formato del Curso

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

Opciones de Personalización del Curso

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

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

• Al finalizar esta formación, los participantes serán capaces de:
  Comprender la diferencia entre el procesamiento con CPU y GPU, así como los beneficios y desafíos de la programación de GPU.
• Seleccionar el marco de trabajo y la herramienta adecuados para su aplicación basada en GPU.
• Crear un programa básico de GPU que realice una adición de vectores utilizando uno o más de los marcos de trabajo y herramientas.
• Utilizar las respectivas APIs, lenguajes y bibliotecas 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 las transferencias de datos y los accesos a la memoria.
• Utilizar los respectivos modelos de ejecución, como work-items (elementos de trabajo), work-groups (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 mediante técnicas como la coalescencia, el almacenamiento en caché, la precarga y el perfilado.

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

Esta formación presencial impartida por un instructor (en línea o en las instalaciones) está dirigida a 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 podrán:

• Escribir y probar operadores de IA personalizados utilizando el DSL de TIK para procesadores Ascend.
• Integrar operadores personalizados en el tiempo de ejecución de CANN y en el grafo de ejecución.
• Utilizar TVM para la planificación, autoajuste y evaluación comparativa (benchmarking) de operadores.
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cómputo personalizados.

Formato del curso

• Conferencia interactiva y demostraciones.
• Programación práctica de operadores utilizando las canalizaciones (pipelines) de TIK y TVM.
• Pruebas y ajuste en hardware Ascend o simuladores.

Opciones de personalización del curso

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

Esta formación presencial impartida por un instructor en Uruguay (en línea o en las instalaciones) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar diferentes marcos para la programación de GPUs y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, el CUDA Toolkit, la plataforma ROCm, un dispositivo que admita 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 marco.
• Utilizar las API 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 respectivos para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, 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 la memoria.
• Utilizar los modelos de ejecución respectivos para controlar los hilos, bloques y cuadrículas 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 utilizando técnicas como la coalescencia, el almacenamiento en caché, la precarga (prefetching) y el perfilado (profiling).

CloudMatrix es la plataforma unificada de Huawei para el desarrollo y despliegue de IA, diseñada para soportar pipelines de inferencia escalables y aptos para entornos de producción.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de la IA con nivel principiante e intermedio que deseen desplegar y monitorear modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar esta formación, los participantes serán capaces de:

• Utilizar CloudMatrix para el 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 los despliegues y ajustar el rendimiento en entornos de producción.

Formato del curso

• Conferencia 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 de nube, contáctenos para coordinarlo.

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

Esta formación práctica impartida por instructores (en línea o presencial) está dirigida a desarrolladores e integradores de IA de nivel intermedio que deseen implementar y optimizar modelos en dispositivos del borde Ascend utilizando la cadena 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 limitaciones de cómputo y memoria.
• Implementar y monitorear aplicaciones de IA en casos de uso reales del borde.

Formato del curso

• Conferencia interactiva y demostración.
• Práctica con modelos y escenarios específicos para dispositivos del borde.
• Ejemplos de implementación en tiempo real en hardware virtual o físico del borde.

Opciones de personalización del curso

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

Esta formación en vivo con instructor en Uruguay (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 final de esta formación, los participantes serán capaces de:

• 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 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 desasignar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Usar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Utilizar 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 la coalescencia, almacenamiento en caché, precarga y perfilado.

Esta formación en vivo dirigida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que deseen utilizar ROCm e HIP 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.
• Crear un programa básico de ROCm que realice la 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 host y el dispositivo, lanzar kernels y sincronizar hilos.
• Usar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones, variables y bibliotecas incorporadas 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.
• Usar 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 el depurador de ROCm y el perfilador de ROCm.
• Optimizar programas de ROCm e HIP mediante técnicas como la combinación (coalescing), almacenamiento en caché, prefetching y perfilado.

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

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

Al finalizar esta formación, 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 simple de IA en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del Curso

• Conferencias interactivas y discusiones.
• Talleres prácticos con despliegue de modelos sencillos.
• Recorrido paso a paso por la cadena de herramientas CANN y sus puntos de integración.

Opciones de Personalización del Curso

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

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

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a ingenieros avanzados de infraestructura e rendimiento de IA que deseen optimizar los flujos de inferencia y entrenamiento de modelos a través de múltiples plataformas de chips de IA chinos.

Al finalizar esta formación, los participantes serán capaces de:

• Realizar pruebas de referencia (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 gráfico, kernel y operador.
• Ajustar los flujos de implementación para mejorar el rendimiento y la latencia.

Formato del curso

• Clase magistral interactiva y debate.
• 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, póngase en contacto con nosotros para coordinarlo.

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 formación impartida por un instructor, disponible en modalidad online o presencial, está dirigida a desarrolladores de IA de nivel avanzado e ingenieros de sistemas que desean optimizar el rendimiento de la inferencia utilizando el conjunto avanzado de herramientas de CANN, incluyendo el Motor de Gráficos (Graph Engine), TIK y el desarrollo de operadores personalizados.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura en tiempo de ejecución de CANN y su ciclo de vida de rendimiento.
• Utilizar herramientas de perfilado y el Motor de Gráficos para analizar y optimizar el rendimiento.
• Crear y optimizar operadores personalizados utilizando TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el rendimiento (throughput) del modelo.

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 (edge-case).

Opciones de personalización del curso

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

Las arquitecturas de 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 impartida por instructores (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 CUDA existentes con 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 las diferentes plataformas.
• Afrontar los desafíos prácticos del soporte y la implementación en arquitecturas cruzadas.

Formato del curso

• Clases interactivas y debates.
• 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 póngase en contacto con nosotros para organizarla.

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

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el Kit de herramientas CUDA, una GPU NVIDIA y Visual Studio Code.
• Crear un programa CUDA básico que realice la suma de vectores en la GPU y recupere los resultados de 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 núcleos (kernels) y sincronizar hilos.
• Utilizar el lenguaje CUDA C/C++ para escribir núcleos que se ejecuten en la GPU y manipulen 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 rejillas 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, almacenamiento en caché, precarga de datos y perfilado.

97% de clientes satisfechos.

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

Esta formación práctica, 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 el toolkit CANN y herramientas como MindSpore, TensorFlow o PyTorch.

Al finalizar esta formación, los participantes podrán:

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

Formato del Curso

• Conferencia 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 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 capacitación 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 propietaria de GPU de Biren, con comparaciones prácticas respecto a entornos basados en CUDA.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura y la jerarquía de memoria de las GPUs Biren.
• 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 capacitación personalizada para este curso basada en su pila de aplicaciones o necesidades de integración, contáctenos para organizarlo.

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

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

Al finalizar esta formación, los participantes podrán:

• Configurar y preparar los entornos de desarrollo para BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las unidades MLU de Cambricon.
• Implementar 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 de MLU.

Formato del curso

• Clase magistral interactiva 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 según tu modelo de dispositivo Cambricon o caso de uso, por favor contáctanos para coordinarlo.

Esta formación en vivo impartida por instructores en Uruguay (en línea 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 serán capaces de:

• 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 presencial dirigida por un instructor en Uruguay (en línea o in situ) está orientada 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 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, búferes, núcleos (kernels) y eventos.
• Utilizar el lenguaje OpenCL C para escribir núcleos (kernels) que se ejecuten en el dispositivo y manipulen datos.
• Emplear funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Aplicar los modelos de memoria del host y del dispositivo en OpenCL para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los work-items, work-groups 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, la memoria local y la profilación.

Este curso de capacitación en vivo y guiado por un instructor en <ubicación> abarca 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, análisis, procesamiento de imágenes y aplicaciones de ingeniería.