CT, Shelton - Shelton

One Reservoir Corporate Center, 4 Research Dr Suite 402, Shelton, United States, 06484

One Reservoir Corporate Center es una prestigiosa dirección comercial en el corazón del área del parque de oficinas de Shelton, y el edificio cuenta con un área de recepción bien equipada. El edificio está ubicado en una parcela prominente en la esquina y ofrece vistas a un espacio verde ajardinado.

Subcategorías (1)

Image for the CUDA (Compute Unified Device Architecture)

CUDA (Compute Unified Device Architecture)

Descubra nuestros cursos

GPU Programming with OpenACC

 28 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar OpenACC para programar dispositivos heterogéneos y explotar su paralelismo. Al final de esta formación, los participantes serán capaces de:
  • Configure un entorno de desarrollo OpenACC.
  • Escribir y ejecutar un programa básico de OpenACC.
  • Anote el código con directivas y cláusulas OpenACC.
  • Utilice la API y las bibliotecas de OpenACC.
  • Perfile, depure y optimice los programas OpenACC.
Leer más...

Introduction to GPU Programming

 21 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen aprender los conceptos básicos de la programación GPU y los principales marcos y herramientas para desarrollar aplicaciones GPU.
  • Al final de esta capacitación, los participantes serán capaces de:
    Comprender la diferencia entre la CPU y la computación GPU y los beneficios y desafíos de la programación GPU.
  • Elija el marco y la herramienta adecuados para su aplicación GPU.
  • Cree un programa básico GPU que realice la suma de vectores utilizando uno o más de los marcos y herramientas.
  • Utilice las API, los lenguajes y las bibliotecas respectivos para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
  • Utilice los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
  • Utilice los modelos de ejecución respectivos, como elementos de trabajo, grupos de trabajo, subprocesos, bloques y cuadrículas, para controlar el paralelismo.
  • Depurar y probar GPU programas utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
  • Optimice GPU los programas mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.
Leer más...

GPU Programming - OpenCL vs CUDA vs ROCm

 28 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar diferentes marcos para GPU programación y comparar sus características, rendimiento y compatibilidad. Al final de esta formación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya OpenCL SDK, CUDA Toolkit, ROCm Platform, un dispositivo que admita OpenCL, CUDA o ROCm y Visual Studio Code.
  • Cree un programa básico GPU que realice la adición de vectores utilizando OpenCL, CUDA y ROCm, y compare la sintaxis, la estructura y la ejecución de cada marco.
  • Utilice las API respectivas para consultar información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
  • Utilice los lenguajes respectivos para escribir kernels que se ejecuten en el dispositivo y manipulen los datos.
  • Utilice las funciones, variables y bibliotecas integradas respectivas para realizar tareas y operaciones comunes.
  • Utilice los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
  • Utilice los modelos de ejecución respectivos para controlar los subprocesos, bloques y cuadrículas que definen el paralelismo.
  • Depura y prueba programas GPU con herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
  • Optimice GPU programas mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.
Leer más...

ROCm for Windows

 21 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen instalar y usar ROCm en Windows para programar AMD GPU y explotar su paralelismo. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya la plataforma ROCm, un código AMD GPU y Visual Studio en Windows.
  • Cree un programa ROCm básico que realice la suma de vectores en GPU y recupere los resultados de la memoria GPU.
  • Utilice la API ROCm para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
  • Utilice el lenguaje HIP para escribir kernels que se ejecuten en el GPU y manipulen los datos.
  • Utilice las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
  • Utilice los espacios de memoria ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
  • Utilice los modelos de ejecución ROCm y HIP para controlar los subprocesos, los bloques y las cuadrículas que definen el paralelismo.
  • Depure y pruebe programas ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
  • Optimice los programas ROCm y HIP mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la creación de perfiles.
Leer más...

AMD GPU Programming

 28 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen usar ROCm y HIP para programar AMD GPU y explotar su paralelismo. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya la plataforma ROCm, un código AMD GPU y Visual Studio.
  • Cree un programa ROCm básico que realice la suma de vectores en GPU y recupere los resultados de la memoria GPU.
  • Utilice la API ROCm para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
  • Utilice el lenguaje HIP para escribir kernels que se ejecuten en el GPU y manipulen los datos.
  • Utilice las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
  • Utilice los espacios de memoria ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
  • Utilice los modelos de ejecución ROCm y HIP para controlar los subprocesos, los bloques y las cuadrículas que definen el paralelismo.
  • Depure y pruebe programas ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
  • Optimice los programas ROCm y HIP mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la creación de perfiles.
Leer más...

GPU Programming with CUDA

 28 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar CUDA para programar NVIDIA GPU y explotar su paralelismo. Al final de esta formación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya CUDA Toolkit, un código NVIDIA GPU y Visual Studio.
  • Cree un programa CUDA básico que realice la adición de vectores en el GPU y recupere los resultados de la memoria GPU.
  • Utilice la API de CUDA para consultar información del dispositivo, asignar y desasignar memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
  • Utilice el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en el GPU y manipulen los datos.
  • Utilice las funciones, variables y bibliotecas integradas de CUDA para realizar tareas y operaciones comunes.
  • Utilice los espacios de memoria CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
  • Utilice el modelo de ejecución de CUDA para controlar los subprocesos, bloques y cuadrículas que definen el paralelismo.
  • Depure y pruebe programas CUDA con herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
  • Optimice los programas CUDA mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.
El 97% de los clientes satisfacen. 
Leer más...

Administration of CUDA

 35 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o en el sitio) está dirigida a administradores de sistemas de nivel principiante y profesionales de TI que deseen instalar, configurar, administrar y solucionar problemas de entornos CUDA. Al final de esta capacitación, los participantes serán capaces de:
  • Comprender la arquitectura, los componentes y las capacidades de CUDA.
  • Instalar y configurar entornos CUDA.
  • Gestione y optimice los recursos de CUDA.
  • Depurar y solucionar problemas comunes de CUDA.
Leer más...

GPU Programming with OpenCL

 28 Horas
Esta capacitación en vivo dirigida por un instructor en Connecticut (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen usar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo. Al final de esta capacitación, los participantes serán capaces de:
  • Configure un entorno de desarrollo que incluya OpenCL SDK, un dispositivo que admita OpenCL y Visual Studio código.
  • Cree un programa básico OpenCL que realice la suma de vectores en el dispositivo y recupere los resultados de la memoria del dispositivo.
  • Utilice la API OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, búferes, kernels y eventos.
  • Utilice el lenguaje C OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
  • Utilice OpenCL funciones, extensiones y bibliotecas integradas para realizar tareas y operaciones comunes.
  • Utilice OpenCL modelos de memoria de host y dispositivo para optimizar las transferencias de datos y los accesos a la memoria.
  • Utilice el modelo de ejecución OpenCL para controlar los elementos de trabajo, los grupos de trabajo y los intervalos ND.
  • Depurar y probar OpenCL programas utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
  • Optimice OpenCL programas utilizando técnicas como la vectorización, el desenrollado de bucles, la memoria local y la creación de perfiles.
Leer más...

GPU Programming with CUDA and Python

 14 Horas
Esta formación impartida por un instructor en Connecticut (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen utilizar CUDA para construir aplicaciones Python que se ejecuten en paralelo en tarjetas NVIDIA GPU. Al final de esta capacitación, los participantes serán capaces de:
  • Utilizar el compilador Numba para acelerar aplicaciones Python que se ejecutan en GPUs de NVIDIA.
  • Crear, compilar y lanzar kernels CUDA personalizados.
  • Gestionar la memoria de GPU.
  • Convertir una aplicación basada en CPU en una aplicación acelerada por GPU.
Leer más...

Programación NVIDIA GPU - Extended

 21 Horas
Este curso de capacitación en vivo dirigido por un instructor en Connecticut cubre cómo programar GPU para computación paralela, cómo usar varias 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.
Leer más...

Última Actualización:

Testimonios (2)

Muy interactivo con varios ejemplos, con una buena progresión en complejidad entre el inicio y el final de la formación.

Jenny - Andheo

Curso - GPU Programming with CUDA and Python

Traducción Automática

Entrenadores, energía y humor.

Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.

Curso - NVIDIA GPU Programming - Extended

Traducción Automática

Próximos cursos

GPU Programming with OpenCL

2025-05-19 9:30 am
28 Horas
CT, Shelton - Shelton
$ 5405 (En línea)
$ 7205 (Nuestras oficinas)

ROCm for Windows

2025-06-02 9:30 am
21 Horas
CT, Shelton - Shelton
$ 4054 (En línea)
$ 5404 (Nuestras oficinas)

GPU Programming with CUDA

2025-06-16 9:30 am
28 Horas
CT, Shelton - Shelton
$ 5405 (En línea)
$ 7205 (Nuestras oficinas)

AMD GPU Programming

2025-06-30 9:30 am
28 Horas
CT, Shelton - Shelton
$ 5405 (En línea)
$ 7205 (Nuestras oficinas)

AMD GPU Programming

2025-07-14 9:30 am
28 Horas
CT, Shelton - Shelton
$ 5405 (En línea)
$ 7205 (Nuestras oficinas)

GPU Programming with OpenACC

2025-07-28 9:30 am
28 Horas
CT, Shelton - Shelton
$ 5405 (En línea)
$ 7205 (Nuestras oficinas)

Otras regiones de los Estados Unidos

Otros Paises

Estos cursos también están disponibles en otros países

Consultoría

GPU Consultoría
Cursos de Fin de Semana de GPU en Connecticut, Capacitación por la Tarde de Graphics Processing Unit (GPU) en Connecticut, Graphics Processing Unit con instructor en Connecticut, Graphics Processing Unit coaching en Connecticut, Instructor de GPU (Graphics Processing Unit) en Connecticut, Capacitador de Graphics Processing Unit en Connecticut, Cursos de Formación de Graphics Processing Unit en Connecticut, Cursos Privados de Graphics Processing Unit (GPU) en Connecticut, Graphics Processing Unit (GPU) boot camp en Connecticut, Cursos por la Tarde de Graphics Processing Unit en Connecticut, Clases de GPU en Connecticut, Capacitación de Fin de Semana de GPU en Connecticut, Clases Particulares de Graphics Processing Unit (GPU) en Connecticut, Graphics Processing Unit en sitio en Connecticut