Türkiye Merkezli GPU Eğitimleri

Huawei Ascend, yüksek performanslı推理和训练的人工智能处理器系列。

这个由讲师指导的实时培训（在线或现场）面向中级AI工程师和数据科学家，他们希望使用华为Ascend平台和CANN工具包开发和优化神经网络模型。

完成本培训后，参与者将能够：

• 设置并配置CANN开发环境。
• 使用MindSpore和CloudMatrix工作流开发AI应用程序。
• 通过自定义操作符和瓦片优化Ascend NPU上的性能。
• 将模型部署到边缘或云环境。

课程格式

• 互动讲座和讨论。
• 在示例应用程序中实际使用Huawei Ascend和CANN工具包。
• 关注模型构建、训练和部署的指导练习。

课程定制选项

• 如需根据您的基础设施或数据集请求此课程的定制培训，请联系我们安排。

Huawei'nin AI yapısı — düşük seviyeli CANN SDK'dan yüksek seviyeli MindSpore çatısı'na kadar — Ascend donanımına en uygun şekilde entegre edilmiş bir AI geliştirme ve dağıtım ortamı sunar.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (çevrimiçi veya yerel olarak) temel düzeyden ileri düzey teknik uzmanları hedef alır ve CANN ile MindSpore bileşenlerinin AI yaşam döngüsü yönetimi ve donanım kararlarını destekleme şekli hakkında daha fazla bilgi edinmek isteyenleri kapsar.

Bu eğitim sonunda, katılımcılar şunları başarabilecekler:

• Huawei'nin AI hesaplama yapısının katmanlı mimarisini anlamak.
• CANN'nin model optimizasyonu ve donanım seviyesi dağıtımını nasıl desteklediği belirlenmesi.
• Endüstri alternatifleri ile ilişkilendirilmiş olarak MindSpore çatısı ve araç zinciri'nin değerlendirilmesi.
• Huawei'nin AI yapısının kurumsal veya bulut/yerel ortamlardaki konumunu belirlemek.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Canlı sistem demo'ları ve durum tabanlı walkthrough'lar.
• MindSpore'dan CANN'ye model akışı hakkında yönlendirilmiş laboratuvar seçenekleri.

Eğitim Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bize iletişime geçin.

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.

CANN SDK (Compute Architecture for Neural Networks) bilgisayar görüşü ve NLP gibi gerçek zamanlı AI uygulamaları için güçlü dağıtım ve iyileştirme araçları sağlar, özellikle Huawei Ascend donanımı üzerinde.

Bu eğitimci tarafından yönetilen canlı eğitim (online veya on-site), üretim senaryolarında bilgisayar görüşü ve dil modellerini oluşturma, dağıtma ve iyileştirmek isteyen orta düzey AI uygulayıcılarına yöneliktir.

Eğitim sonunda katılımcılar şu yetenekleri kazanabilecekler:

• CANN ve AscendCL kullanarak CV ve NLP modellerini dağıtma ve iyileştirme.
• CANN araçlarını kullanarak model çevirme ve canlı akışlara entegrasyonu.
• Tespit, sınıflandırma ve duyarlılık analizi gibi görevler için çıkarım performansını iyileştirme.

• Eğitim Formatı

  • Etkileşimli ders ve gösteri.
  • Model dağıtımı ve performans profili oluşturma için el ile laboratuvar.
  • Gerçek CV ve NLP kullanım durumlarını kullanarak canlı akış tasarımı.

  Eğitim özelleştirme seçenekleri

  • Bu eğitim için özel bir eğitim talep etmek için bize başvurunuz.

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.

CANN TIK (Tensor Instruction Kernel) ve Apache TVM, Huawei Ascend donanıma yönelik AI model işlemcilerinin ileri düzeyde optimizasyonu ve özelleştirilmesini sağlar.

Bu eğitmen tarafından yönetilen canlı eğitim (önline veya onsite), AI modelleri için özel işlemciler oluşturmak, dağıtmak ve ayarlamak isteyen ileri seviye sistem geliştiricilerine yönelik olup CANN'nin TIK programlama modelini ve TVM derleyici entegrasyonunu kullanır.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Ascend işlemcileri için TIK DSL ile özel AI işlemlerini yazıp test etme.
• Özel işlemleri CANN çalışma zamanına ve yürütme grafiğine entegrasyon.
• TVM'yi işlem planlaması, otomatik ayarlaması ve benchmarklemesi için kullanma.
• Özel hesaplama desenlerinin talimat düzeyi performansını hata ayıklamak ve optimize etmek.

Eğitim Formatı

• Etkileşimli ders anlatımı ve gösterim.
• TIK ve TVM pipeline'larını kullanarak işlemcilerin kodlanması.
• Ascend donanımlarında veya simülatorlarda test etme ve ayarlama.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talebinde bulunmak istiyorsanız, lütfen bizimle iletişime geçin.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (çevrimiçi veya yerel) daha yeni düzeyden orta düzeyde geliştiriciler için tasarlanmıştır ve farklı GPU programlama frameworklerini kullanmayı, özelliklerini, performansını ve uyumluluğunu karşılaştırmayı isteyen kişilere yönelik olarak düzenlenmiştir.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri kazanacaklardır:

• OpenCL SDK, CUDA Toolkit, ROCm Platform, OpenCL, CUDA veya ROCm'i destekleyen bir cihaz ve Visual Studio Code'yi içeren bir geliştirme ortamı ayarlama.
• OpenCL, CUDA ve ROCm kullanarak vektör toplama yapan temel bir GPU programı oluşturma ve her framework'in sözdizimini, yapısını ve yürütülmesini karşılaştırma.
• Cihaz bilgilerini sorgulamak, cihaz belleğini tahsis etmek ve tahsisi kaldırmak için gerekli API'leri kullanma, ana makine ile cihaz arasındaki veri kopyalama, çekirdekleri başlatmak ve iş parçacıklarını senkronize etme.
• Cihazda çalışacak ve veriyi manipüle edecek çekirdekleri yazmak için gerekli dilleri kullanma.
• Temel görevler ve işlemler için yerleşik işlevleri, değişkenleri ve kitaplıkları kullanma.
• Global, yerel, sabit ve özel bellek alanlarını kullanarak veri aktarımını ve bellek erişimini optimize etme.
• İş parçacıkları, bloklar ve grid'leri yönetmek için çalıştırma modellerinin kullanılması.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK ve NVIDIA Nsight gibi araçları kullanarak GPU programlarını hata ayıklama ve test etme.
• Koalesans, önbellekleme, önişleme ve profil oluşturma gibi teknikler kullanarak GPU programlarını optimize etme.

CloudMatrix, Huawei'nin ölçeklenebilir, üretim kalitesi tahmin akışlarını destekleyen birleşik bir AI geliştirme ve dağıtım platformudur.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel), CloudMatrix platformunu kullanarak AI modellerini dağıtma ve izleme konusunda beceriler kazanmak isteyen başlangıç seviyesinden orta düzeydeki AI profesyonellere yöneliktir.

Bu eğitim sonunda, katılımcılar şunları yapabilecekler:

• Model paketleme, dağıtım ve hizmet sunumu için CloudMatrix'u kullanma.
• Ascend chipsetleri için modelleri dönüştürme ve iyileştirme.
• Gerçekte zamanlı ve toplu tahmin görevleri için akışları ayarlama.
• Üretim ayarlarında dağıtımları izleme ve performansı optimize etme.

Eğitim Biçimi

• Etkileşimli ders anlatımı ve tartışma.
• Gerçek dağıtım senaryolarında CloudMatrix'un elden kullanımı.
• Dönüştürme, iyileştirme ve ölçeklendirme odaklı yönlendirilmiş alıştırmalar.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için AI altyapınız veya bulut ortamınıza dayalı özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bizimle iletişime geçin.

Huawei'nin Ascend CANN araç seti, Ascend 310 gibi kenar cihazlarda güçlü AI çıkarımını sağlar. CANN, hesaplama ve bellek kısıtlı ortamlarda modellerin derlenmesi, optimize edilmesi ve dağıtımı için temel araçları sunar.

Bu eğitmen tarzı canlı eğitim (online veya face-to-face) orta düzeyli AI geliştiricilerine ve entegre etmecilere yöneliktir. Bu kişiler, Ascend kenar cihazlarında CANN araç zinciri kullanarak modeli dağıtmayı ve optimize etmek isteyenlerdir.

Bu eğitim sonunda katılımcılar şunları yapabilecek hale gelecek:

• Ascend 310 için AI modellerini hazırlayın ve CANN araçlarıyla dönüştürün.
• MindSpore Lite ve AscendCL kullanarak hafif çıkarım pipeline'larını oluşturun.
• Sınırlı hesaplama ve bellek ortamları için model performansını optimize edin.
• Gerçek dünya kenar kullanım durumlarında AI uygulamalarını dağıtın ve izleyin.

Eğitim Formatı

• Etkileşimli ders anlatımı ve gösteri.
• Kenara özel modeller ve senaryolarla el ile laboratuvar çalışmaları.
• Sanal veya fiziksel kenar donanımda canlı dağıtım örnekleri.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özel bir eğitim talep etmek için bize başvurunuz.

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.

CANN (Compute Architecture for Neural Networks) Huawei'nin AI hesaplama araç seti, Ascend AI işlemcilerinde AI modellerini derleme, iyileştirme ve dağıtma amacıyla kullanılır.

Bu eğitmenler tarafından yönetilen canlı eğitim (çevrimiçi veya yerel), eğitimden dağıtımın tüm süreçleri için CANN'nin rolünü anlamayı ve MindSpore, TensorFlow ve PyTorch gibi çerçevelerle nasıl çalıştığını anlamak isteyen giriş seviyesinde AI geliştiricileri için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları başarabilecekler:

• CANN araç setinin amacını ve mimarisini anlamak.
• CANN ile MindSpore ile geliştirme ortamını kurmak.
• Basit bir AI modelini Ascend donanımına dönüştürmek ve dağıtmak.
• Gelecekteki CANN iyileştirme veya entegrasyon projeleri için temel bilgi kazanmak.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Basit model dağıtımını içeren elden deneyimler.
• CANN araç zinciri ve entegrasyon noktalarına adım adım kılavuzluk.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özel bir eğitim talep etmek isterseniz lütfen bizimle iletişime geçin ve ayarlayın.

Ascend, Biren ve Cambricon, Çin'deki önde gelen AI donanım platformlarıdır ve her biri üretim ölçekteki AI yüklemeleri için benzersiz hızlandırma ve profilleme araçları sunar.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerel), çoklu Çin AI chip platformlarında model çıkarımı ve eğitim akışlarını optimize etmek isteyen ileri düzey AI altyapı ve performans mühendisleri için tasarlanmıştır.

Eğitim sonunda katılımcılar şunları yapabilecektir:

• Ascend, Biren ve Cambricon platformlarında modelleri test etmek.
• Sistem zorluk noktalarını ve bellek/hesaplama verimlilik eksikliklerini belirlemek.
• Çizelge seviyesinde, çekirdek seviyesinde ve operatör seviyesinde optimizasyonlar uygulamak.
• Toplamı ve gecikmeyi iyileştirmek için dağıtım boru hattlarını ayarlamak.

Eğitim Formatı

• Aktif ders anlatımı ve tartışma.
• Her platformda profilleme ve optimizasyon araçlarının uygulanması.
• Pratik ayar senaryolarına odaklanan yönlendirilmiş egzersizler.

Eğitim Özelleştirme Seçenekleri

• Sunum ortamınız veya model tipinize dayalı olarak bu eğitim için özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bizi düzenlemek üzere iletişime geçiniz.

CANN SDK (Compute Architecture for Neural Networks) Huawei'nın AI hesaplama temelidir ve geliştiricilerin Ascend AI işlemcilerinde dağıtılan sinir ağlarının performansını ayarlamalarına ve optimize etmelerine olanak sağlar.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel), tahmin performansını CANN'nin gelişmiş araç seti, Graph Engine, TIK ve özel operatör geliştirme kullanarak optimize etmek isteyen uzman düzeyde AI geliştiricileri ve sistem mühendisleri için tasarlanmıştır.

Eğitim sonunda katılımcılar şunları yapabilecektir:

• CANN'nin çalışma zamanı mimarisini ve performans yaşam döngüsünü anlayacaklar.
• Performans analizi ve optimizasyonu için profil oluşturma araçlarını ve Graph Engine'i kullanacaklar.
• TIK ve TVM ile özel operatörler oluşturmayı ve optimize edecekler.
• Bellek daralıklarını çözecek ve model akışını artıracaklar.

Eğitim Formatı

• Interaktif ders ve tartışma.
• Gerçek zamanlı profil oluşturma ve operatör ayarı ile elden deneme laboratuvarları.
• Kıyısı durum dağıtım örnekleri kullanarak optimizasyon egzersizi.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özel bir eğitim talep etmek istiyorsanız, bize ulaşın ve düzenleme yapın.

Çin GPU mimarileri, Huawei Ascend, Biren ve Cambricon MLU gibi alternatif CUDA seçenekleri sunarak yerel AI ve HPC pazarlarına hizmet ediyor.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya face-to-face) ileri düzey GPU programcıları ve altyapı uzmanlarını hedefleyerek mevcut CUDA uygulamalarını Çin donanım platformlarına taşımayı ve optimize etmeyi amaçlıyor.

Eğitim sonunda katılımcılar:

• Mevcut CUDA iş yüklerinin Çin alternatifCHIP'leriyle uyumunu değerlendirecekler.
• CUDA kod tabanlarını Huawei CANN, Biren SDK ve Cambricon BANGPy ortamlarına taşıyacaklar.
• Performansı karşılaştıracak ve platformlar arası optimizasyon noktalarını belirleyecekler.
• Multiplesimya destek ve dağıtımda praktik zorlukları ele alacaklar.

Eğitim Formatı

• Interaktif ders ve tartışmalar.
• Kod çevirme ve performans karşılaştırmalı laboratuvarları.
• Birden çok-GPU uyum stratejilerine odaklanan yönlendirilmiş egzersizler.

Eğitim Özelleştirme Seçenekleri

• Platformanız veya CUDA projesi için bu eğitimi özelleştirmek isterseniz, lütfen bize ulaşın ve düzenleme yapın.

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.

CANN (Compute Architecture for Neural Networks) Huawei'nin AI modelini Ascend AI işlemcilerine dağıtmak ve optimize etmek için kullanılan AI hesaplama stöküdür.

Bu eğitmen tarafından yönetilen canlı eğitim (online veya on-site), eğitimli AI modellerini etkili bir şekilde Huawei Ascend donanımına dağıtma amacıyla CANN kiti ve MindSpore, TensorFlow, veya PyTorch gibi araçları kullanmayı öğrenmek isteyen orta düzeyde AI geliştiricileri ve mühendisleri için tasarlanmıştır.

Bu eğitim sonunda katılımcılar aşağıdaki yetenekleri kazanacaklardır:

• CANN mimarisini ve AI dağıtım kanalındaki rolünü anlamak.
• Popüler çerçevelerden Ascend uyumlu biçimlere modeli dönüştürme ve uyarlamak.
• ATC, OM model dönüştürmesi ve MindSpore gibi araçları kullanmak (kenar ve bulut çıkarımında).
• Ascend donanımda dağıtım sorunlarını teşhis etmek ve performansı optimize etmek.

Eğitim Biçimi

• Etkileşimli ders anlatımı ve gösterim.
• CANN araçlarını ve Ascend simülatorlarını veya cihazlarını kullanarak el ile laboratuvar çalışması.
• Gerçek dünya AI modellerine dayalı uygulamaların örnekleri.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimi özelleştirmek için özel bir eğitim talebinde bulunmak istiyorsanız, bize başvurarak düzenleme yapabilirsiniz.

Biren AI Accelerators, büyük ölçekli eğitim ve çıkarım için destek sağlayan, AI ve HPC iş yükleri için tasarlanmış yüksek performanslı GPUlerdir.

Bu eğitmen yönetimi altında yapılan canlı eğitim (çevrimiçi veya yerel) orta seviye ve ileri düzey geliştirmenin Biren'in özel GPU yığını kullanarak uygulamaları programlamak ve optimize etmek için tasarlanmıştır. CUDA tabanlı ortamlarla pratik karşılaştırmalarda bulunacaktır.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Biren GPU mimarisini ve bellek hiyerarşisini anlayacak.
• Geliştirme ortamını kurma ve Biren'in programlama modelini kullanma.
• CUDA tarzındaki kodu Biren platformlarına çevirmek ve optimize etmek.
• Performans ayarlama ve hata ayıklama tekniklerini uygulamak.

Eğitim Formatı

• Etkileşimli ders anlatımı ve tartışma.
• Örnek GPU iş yüklerinde Biren SDK'nın kullanımı.
• Taşıma ve performans ayarlama odaklanan yönlendirilmiş uygulamalar.

Eğitim Özelleştirme Seçenekleri

• Uygulama yığınına veya tümleştirmede ihtiyaçlarınıza dayalı olarak bu eğitim için özel bir eğitim talep etmek istiyorsanız, lütfen bizimle iletişime geçin.

Cambricon MLUs (Machine Learning Birimleri) kenar ve veri merkezi senaryolarında tahmin ve eğitim için optimize edilmiş özelleştirilmiş AI chip'leridir.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerel), BANGPy framework'i ve Neuware SDK'yı Cambricon MLU donanımını kullanarak yapay zeka modelleri oluşturmak ve dağıtmak isteyen orta düzeyli geliştiricilere yöneliktir.

Bu eğitim sonunda, katılımcılar şunları yapabilecekler:

• BANGPy ve Neuware geliştirme ortamlarını kurma ve yapılandırma.
• Cambricon MLU'lar için Python ve C++-tabanlı modelleri geliştirmek ve optimize etmek.
• Neuware runtime'u çalıştıran kenar ve veri merkezi cihazlarına model dağıtmak.
• MLU özel hızlandırma özelliklerini ML iş akışlarıyla entegre etmek.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışmalar.
• BANGPy ve Neuware'ın geliştirme ve dağıtım için el ile kullanımı.
• Optimizasyon, entegrasyon ve test odaklı yönlendirilmiş egzersizler.

Eğitim Özelleştirme Seçenekleri

• Cambricon cihaz modelinize veya kullanım durumunuza dayalı bu eğitim için özelleştirilmiş bir eğitim talebinde bulunmak isterseniz, lütfen bizi düzenlemek üzere iletişime geçin.

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 tarafından yönetilen canlı eğitim (çevrimiçi veya yerel) programcılara yönelik, çeşitli cihazlarda ve paralellikleri üzerinde işlem yapabilme amacıyla OpenCL kullanmayı öğrenmek isteyen başlangıç seviyesinden orta düzeyli geliştiricilere çevrimiçi veya yerel olarak sunulmaktadır.

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecekler:

• OpenCL SDK, OpenCL'yi destekleyen bir cihaz ve Visual Studio Code içeren bir geliştirme ortamı ayarlama.
• Cihazda vektör toplama işlemi yapan ve sonuçları cihaz belleğinden alabilen temel bir OpenCL programı oluşturma.
• Cihaz bilgisi sorgulama, bağlamlar oluşturmak, komut kuyuları, amortisajlar, çekirdekler ve olaylar kullanmak için OpenCL API'sini kullanma.
• Cihazda çalışacak ve veriyi işlemeyecek çekirdekler yazmak için OpenCL C dilini kullanma.
• Ortak görevleri ve işlemlerini gerçekleştirmek için OpenCL'in yerleşik fonksiyonlarını, uzantılarını ve kütüphanelerini kullanma.
• Veri aktarımını ve bellek erişimlerini optimize etmek için OpenCL anası sistem ve cihaz bellek modellerini kullanma.
• İş öğelerini, iş gruplarını ve ND-aralıkları kontrol etmek için OpenCL'in yürütme modelini kullanma.
• CodeXL, Intel VTune ve NVIDIA Nsight gibi araçları kullanarak OpenCL programlarını hata ayıklama ve test etme.
• Vektörleştirmeyi, döngü yuvarlamasını, yerel belleği ve profili kullanarak OpenCL programlarını optimize etme teknikleri.

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.