Türkiye Merkezli GPU Eğitimleri

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), heterojen cihazları programlamak ve paralelliklerinden yararlanmak için OpenACC kullanmak isteyen başlangıç ​​seviyesinden orta seviyeye kadar olan geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Bir OpenACC geliştirme ortamı kurmak.
• Temel bir OpenACC programı yazmak ve çalıştırmak.
• Kodu OpenACC direktifleri ve maddeleriyle etiketlemek.
• OpenACC API'leri ve kütüphanelerini kullanmak.
• OpenACC programlarını profillemek, hata ayıklamak ve optimize etmek.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), GPU programlamanın temellerini ve GPU uygulamaları geliştirmek için ana çerçeveleri ve araçları öğrenmek isteyen yeni başlayan ve orta seviyedeki geliştiricilere yöneliktir.

• Bu eğitimin sonunda katılımcılar:
  GPU işlem ve CPU arasındaki farkı ve GPU programlamanın avantajlarını ve zorluklarını anlayabilecektir.
• GPU uygulamaları için doğru çerçeveyi ve aracı seçebilecektir.
• Çerçevelerden ve araçlardan bir veya daha fazlasını kullanarak vektör toplama gerçekleştiren temel bir GPU programı oluşturabilecektir.
• Cihaz bilgilerini sorgulamak, cihaz belleği ayırmak ve serbest bırakmak, ana bilgisayar ile cihaz arasında veri kopyalamak, çekirdekleri başlatmak ve iş parçacıklarını senkronize etmek için ilgili API'leri, dilleri ve kitaplıkları kullanabilecektir.
• Veri transferlerini ve bellek erişimlerini optimize etmek için ilgili bellek alanlarını (global, yerel, sabit ve özel) kullanabilecektir.
• Paralelliği kontrol etmek için iş öğeleri, çalışma grupları, iş parçacıkları, bloklar ve ızgaralar gibi ilgili yürütme modellerini kullanabilecektir.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK ve NVIDIA Nsight gibi araçları kullanarak GPU programlarını hata ayıklayabilecek ve test edebilecektir.
• Birleştirme, önbelleğe alma, ön getirme ve profil oluşturma gibi teknikleri kullanarak GPU programlarını optimize edebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), GPU programlama için farklı çerçeveleri kullanmak ve özelliklerini, performansını ve uyumluluğunu karşılaştırmak isteyen başlangıç ​​seviyesinden orta seviyeye kadar olan geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• OpenCL SDK, CUDA Toolkit, ROCm Platformu, OpenCL'u destekleyen bir cihaz, CUDA veya ROCm ve Visual Studio Code içeren bir geliştirme ortamı kurmak.
• OpenCL, CUDA ve ROCm kullanarak vektör toplama gerçekleştiren temel bir GPU programı oluşturmak ve her bir çerçevenin sözdizimini, yapısını ve yürütülmesini karşılaştırmak.
• Cihaz bilgilerini sorgulamak, cihaz belleği ayırmak ve serbest bırakmak, ana bilgisayar ve cihaz arasında veri kopyalamak, çekirdekleri başlatmak ve iş parçacıklarını senkronize etmek için ilgili API'leri kullanmak.
• Cihazda yürütülen ve verileri işleyen çekirdekleri yazmak için ilgili dilleri kullanmak.
• Yaygın görevleri ve işlemleri gerçekleştirmek için ilgili yerleşik işlevleri, değişkenleri ve kitaplıkları kullanmak.
• Veri aktarımlarını ve bellek erişimlerini optimize etmek için global, yerel, sabit ve özel gibi ilgili bellek alanlarını kullanmak.
• Paralelliği tanımlayan iş parçacıklarını, blokları ve ızgaraları kontrol etmek için ilgili yürütme modellerini kullanmak.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK ve NVIDIA Nsight gibi araçları kullanarak GPU programlarını hata ayıklamak ve test etmek.
• Birleştirme, önbellekleme, ön getirme ve profil oluşturma gibi teknikleri kullanarak GPU programlarını optimize etmek.

CloudMatrix, Huawei'nin ölçeklenebilir, üretim kalitesi tahmin pipeline'larını destekleyen entegre bir AI geliştirme ve dağıtım platformudur.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerel), CANN ve MindSpore entegrasyonunu kullanarak AI modellerini dağıtma ve izleme konusunda ileri seviye bilgi sahibi olmak isteyen başlangıç düzeyinden orta düzeydeki AI profesyonellere yöneliktir.

Eğitim sonunda katılımcılar şunları yapabilecekler:

• CloudMatrix platformunu model paketleme, dağıtım ve hizmet sunumu için kullanma.
• Ascend chipsetleri için modelleri dönüştürme ve iyileştirme.
• Gerçek zamanlı ve toplu tahmin görevleri için pipeline'lar kurma.
• Üretim ortamlarında dağıtımları izleme ve performansı ayarlama.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışma.
• Gerçek dünya senaryolarıyla CloudMatrix'nın el ile kullanımı.
• Dönüşüm, iyileştirme ve ölçeklendirme odaklı yönlendirilmiş egzersizler.

Eğitim Özelleştirme Seçenekleri

• Aİ altyapınız veya bulut ortamınıza dayalı özelleştirilmiş bir eğitim talebinde bulunmak için lütfen bizimle iletişime geçin.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), AMD GPU'ları programlamak ve paralelliklerinden yararlanmak isteyen başlangıç ​​seviyesi ve orta seviye geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• ROCm Platformu, bir AMD GPU ve Visual Studio Code içeren bir geliştirme ortamı Windows üzerinde kurmak.
• AMD GPU üzerinde vektör toplama gerçekleştiren ve sonuçları GPU belleğinden alan temel bir ROCm programı oluşturmak.
• Cihaz bilgilerini sorgulamak, cihaz belleği ayırmak ve serbest bırakmak, ana bilgisayar ve cihaz arasında veri kopyalamak, çekirdekleri başlatmak ve iş parçacıklarını senkronize etmek için ROCm API'sini kullanmak.
• GPU üzerinde yürütülen ve verileri işleyen çekirdekleri yazmak için HIP dilini kullanmak.
• Yaygın görevleri ve işlemleri gerçekleştirmek için HIP yerleşik işlevlerini, değişkenlerini ve kitaplıklarını kullanmak.
• Veri aktarımlarını ve bellek erişimlerini optimize etmek için ROCm ve HIP bellek alanlarını (global, paylaşılan, sabit ve yerel) kullanmak.
• Paralelliği tanımlayan iş parçacıklarını, blokları ve ızgaraları kontrol etmek için ROCm ve HIP yürütme modellerini kullanmak.
• ROCm Hata Ayıklayıcısı ve ROCm Profil Oluşturucu gibi araçları kullanarak ROCm ve HIP programlarını hata ayıklamak ve test etmek.
• Birleştirme, önbellekleme, ön getirme ve profil oluşturma gibi teknikleri kullanarak ROCm ve HIP programlarını optimize etmek.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), ROCm ve HIP kullanarak AMD GPU’leri programlamak ve paralelliklerinden yararlanmak isteyen başlangıç ​​seviyesi ile orta seviye geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• ROCm Platformu, bir AMD GPU ve Visual Studio Code içeren bir geliştirme ortamı kurmak.
• AMD GPU üzerinde vektör toplama gerçekleştiren ve sonuçları GPU belleğinden alan temel bir ROCm programı oluşturmak.
• Cihaz bilgilerini sorgulamak, cihaz belleği ayırmak ve serbest bırakmak, ana bilgisayar ve cihaz arasında veri kopyalamak, çekirdekleri başlatmak ve iş parçacıklarını senkronize etmek için ROCm API’sini kullanmak.
• AMD GPU üzerinde yürütülen ve verileri işleyen çekirdekleri yazmak için HIP dilini kullanmak.
• Yaygın görevleri ve işlemleri gerçekleştirmek için HIP yerleşik işlevlerini, değişkenlerini ve kitaplıklarını kullanmak.
• Veri aktarımlarını ve bellek erişimlerini optimize etmek için ROCm ve HIP bellek alanlarını (global, paylaşılan, sabit ve yerel) kullanmak.
• Paralelliği tanımlayan iş parçacıklarını, blokları ve ızgaraları kontrol etmek için ROCm ve HIP yürütme modellerini kullanmak.
• ROCm Hata Ayıklayıcısı ve ROCm Profil Oluşturucu gibi araçları kullanarak ROCm ve HIP programlarını hata ayıklamak ve test etmek.
• Birleştirme, önbellekleme, ön getirme ve profil oluşturma gibi teknikleri kullanarak ROCm ve HIP programlarını optimize etmek.

Ascend, Biren, and Cambricon are leading AI hardware platforms in China, each offering unique acceleration and profiling tools for production-scale AI workloads.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI infrastructure and performance engineers who wish to optimize model inference and training workflows across multiple Chinese AI chip platforms.

By the end of this training, participants will be able to:

• Benchmark models on Ascend, Biren, and Cambricon platforms.
• Identify system bottlenecks and memory/compute inefficiencies.
• Apply graph-level, kernel-level, and operator-level optimizations.
• Tune deployment pipelines to improve throughput and latency.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of profiling and optimization tools on each platform.
• Guided exercises focused on practical tuning scenarios.

Course Customization Options

• To request a customized training for this course based on your performance environment or model type, please contact us to arrange.

Chinese GPU architectures such as Huawei Ascend, Biren, and Cambricon MLUs offer CUDA alternatives tailored for local AI and HPC markets.

This instructor-led, live training (online or onsite) is aimed at advanced-level GPU programmers and infrastructure specialists who wish to migrate and optimize existing CUDA applications for deployment on Chinese hardware platforms.

By the end of this training, participants will be able to:

• Evaluate compatibility of existing CUDA workloads with Chinese chip alternatives.
• Port CUDA codebases to Huawei CANN, Biren SDK, and Cambricon BANGPy environments.
• Compare performance and identify optimization points across platforms.
• Address practical challenges in cross-architecture support and deployment.

Format of the Course

• Interactive lecture and discussion.
• Hands-on code translation and performance comparison labs.
• Guided exercises focused on multi-GPU adaptation strategies.

Course Customization Options

• To request a customized training for this course based on your platform or CUDA project, please contact us to arrange.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), CUDA'yı kullanarak NVIDIA GPU'leri programlamak ve onların paralelliğinden yararlanmak isteyen başlangıç ​​seviyesi ile orta seviye geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• CUDA Toolkit, bir NVIDIA GPU ve Visual Studio Code içeren bir geliştirme ortamı kurmak.
• NVIDIA GPU üzerinde vektör toplama gerçekleştiren ve sonuçları NVIDIA GPU belleğinden alan temel bir CUDA programı oluşturmak.
• Cihaz bilgilerini sorgulamak, cihaz belleğini ayırmak ve serbest bırakmak, ana bilgisayar ve cihaz arasında veri kopyalamak, çekirdekleri başlatmak ve iş parçacıklarını senkronize etmek için CUDA API'sini kullanmak.
• NVIDIA GPU üzerinde yürütülen ve verileri işleyen çekirdekleri yazmak için CUDA C/C++ dilini kullanmak.
• Yaygın görevleri ve işlemleri gerçekleştirmek için CUDA yerleşik işlevlerini, değişkenlerini ve kitaplıklarını kullanmak.
• Veri transferlerini ve bellek erişimlerini optimize etmek için global, paylaşımlı, sabit ve yerel gibi CUDA bellek alanlarını kullanmak.
• Paralelliği tanımlayan iş parçacıklarını, blokları ve ızgaraları kontrol etmek için CUDA yürütme modelini kullanmak.
• CUDA-GDB, CUDA-MEMCHECK ve NVIDIA Nsight gibi araçları kullanarak CUDA programlarını hata ayıklamak ve test etmek.
• Birleştirme, önbellekleme, ön getirme ve profil oluşturma gibi teknikleri kullanarak CUDA programlarını optimize etmek.

Müşterilerin %97'si memnun.

Huawei Ascend yüksek performanslı çıkarım ve eğitim için tasarlanmış bir yapay zeka işlemci ailesidir.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya on-site), Huawei'nın Ascend platformunu ve CANN araç setini kullanarak sinir ağ modeli geliştirme ve optimizasyonu isteyen orta düzeyde yapay zeka mühendisleri ve veri bilimcilerine yöneliktir.

Eğitim sonunda katılımcılar şunları yapabilecekler:

• CANN geliştirme ortamını kurma ve yapılandırma.
• MindSpore ve CloudMatrix iş akışlarını kullanarak yapay zeka uygulamaları geliştirme.
• Özel operatörler ve tiling kullanarak Ascend NPUs üzerinde performans optimizasyonu.
• Modelleri kenar veya bulut ortamlarına dağıtma.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışma.
• Huawei Ascend ve CANN araç setinin örnek uygulamalarda el ile kullanımı.
• Model oluşturma, eğitim ve dağıtım odaklı yönlendirilmiş egzersizler.

Eğitim Özelleştirme Seçenekleri

• Bu kurs için altyapınız veya veri kümeleriniz üzerine özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçin.

Biren AI Accelerators are high-performance GPUs designed for AI and HPC workloads with support for large-scale training and inference.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level developers who wish to program and optimize applications using Biren’s proprietary GPU stack, with practical comparisons to CUDA-based environments.

By the end of this training, participants will be able to:

• Understand Biren GPU architecture and memory hierarchy.
• Set up the development environment and use Biren’s programming model.
• Translate and optimize CUDA-style code for Biren platforms.
• Apply performance tuning and debugging techniques.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of Biren SDK in sample GPU workloads.
• Guided exercises focused on porting and performance tuning.

Course Customization Options

• To request a customized training for this course based on your application stack or integration needs, please contact us to arrange.

Cambricon MLUs (Machine Learning Units) are specialized AI chips optimized for inference and training in edge and datacenter scenarios.

This instructor-led, live training (online or onsite) is aimed at intermediate-level developers who wish to build and deploy AI models using the BANGPy framework and Neuware SDK on Cambricon MLU hardware.

By the end of this training, participants will be able to:

• Set up and configure the BANGPy and Neuware development environments.
• Develop and optimize Python- and C++-based models for Cambricon MLUs.
• Deploy models to edge and data center devices running Neuware runtime.
• Integrate ML workflows with MLU-specific acceleration features.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of BANGPy and Neuware for development and deployment.
• Guided exercises focused on optimization, integration, and testing.

Course Customization Options

• To request a customized training for this course based on your Cambricon device model or use case, please contact us to arrange.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), CUDA ortamlarını kurmak, yapılandırmak, yönetmek ve sorun gidermek isteyen başlangıç seviyesindeki sistem yöneticilerine ve BT profesyonellerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• CUDA'nın mimarisini, bileşenlerini ve yeteneklerini anlayabilecektir.
• CUDA ortamlarını kurup yapılandırabilecektir.
• CUDA kaynaklarını yönetip optimize edebilecektir.
• Yaygın CUDA sorunlarını ayıklayıp çözebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye – çevrimiçi veya yerinde), farklı türdeki cihazları programlamak ve paralelliklerinden yararlanmak isteyen başlangıç ​​seviyesinden orta seviyeye kadar olan geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• OpenCL SDK'sını, OpenCL'yi destekleyen bir cihazı ve Visual Studio Code'u içeren bir geliştirme ortamı kurmak.
• Cihaz üzerinde vektör toplama gerçekleştiren ve sonuçları cihaz belleğinden alan temel bir OpenCL programı oluşturmak.
• Cihaz bilgilerini sorgulamak, bağlamlar, komut kuyrukları, arabellekler, çekirdekler ve olaylar oluşturmak için OpenCL API'sini kullanmak.
• Cihaz üzerinde yürütülen ve verileri işleyen çekirdekleri yazmak için OpenCL C dilini kullanmak.
• Yaygın görevleri ve işlemleri gerçekleştirmek için OpenCL yerleşik işlevlerini, uzantılarını ve kitaplıklarını kullanmak.
• Veri transferlerini ve bellek erişimlerini optimize etmek için OpenCL ana bilgisayar ve cihaz bellek modellerini kullanmak.
• İş öğelerini, iş gruplarını ve ND aralıklarını kontrol etmek için OpenCL yürütme modelini kullanmak.
• CodeXL, Intel VTune ve NVIDIA Nsight gibi araçları kullanarak OpenCL programlarını hata ayıklamak ve test etmek.
• Vektörleştirme, döngü açma, yerel bellek ve profil oluşturma gibi teknikleri kullanarak OpenCL programlarını optimize etmek.

Bu danışmaoduğucu, canlı eğitim (çevrimiçi veya yerel olarak) Türkiye'ta, CUDA'yı kullanarak NVIDIA GPU cihazlarında paralel olarak çalışan Python uygulamalar oluşturmak isteyen orta seviye geliştiricilere yönelik tasarlanmıştır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

Bu eğitmen liderliğindeki canlı eğitim kursu, Türkiye’da paralel hesaplama için GPU’leri nasıl programlayacağınızı, çeşitli platformları nasıl kullanacağınızı, CUDA platformu ve özellikleriyle nasıl çalışacağınızı ve CUDA kullanarak çeşitli optimizasyon tekniklerini nasıl gerçekleştireceğinizi kapsamaktadır. Uygulamalardan bazıları derin öğrenme, analitik, görüntü işleme ve mühendislik uygulamalarını içerir.