Türkiye Merkezli GPU Eğitimleri

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.

Huawei’s AI stack — from the low-level CANN SDK to the high-level MindSpore framework — offers a tightly integrated AI development and deployment environment optimized for Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level technical professionals who wish to understand how the CANN and MindSpore components work together to support AI lifecycle management and infrastructure decisions.

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

• Understand the layered architecture of Huawei’s AI compute stack.
• Identify how CANN supports model optimization and hardware-level deployment.
• Evaluate the MindSpore framework and toolchain in relation to industry alternatives.
• Position Huawei's AI stack within enterprise or cloud/on-prem environments.

Format of the Course

• Interactive lecture and discussion.
• Live system demos and case-based walkthroughs.
• Optional guided labs on model flow from MindSpore to CANN.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

The CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.

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

• Deploy and optimize CV and NLP models using CANN and AscendCL.
• Use CANN tools to convert models and integrate them into live pipelines.
• Optimize inference performance for tasks like detection, classification, and sentiment analysis.
• Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab with model deployment and performance profiling.
• Live pipeline design using real CV and NLP use cases.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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) and Apache TVM enable advanced optimization and customization of AI model operators for Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at advanced-level system developers who wish to build, deploy, and tune custom operators for AI models using CANN’s TIK programming model and TVM compiler integration.

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

• Write and test custom AI operators using the TIK DSL for Ascend processors.
• Integrate custom ops into the CANN runtime and execution graph.
• Use TVM for operator scheduling, auto-tuning, and benchmarking.
• Debug and optimize instruction-level performance for custom computation patterns.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on coding of operators using TIK and TVM pipelines.
• Testing and tuning on Ascend hardware or simulators.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

Huawei's Ascend CANN toolkit enables powerful AI inference on edge devices such as the Ascend 310. CANN provides essential tools for compiling, optimizing, and deploying models where compute and memory are constrained.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and integrators who wish to deploy and optimize models on Ascend edge devices using the CANN toolchain.

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

• Prepare and convert AI models for Ascend 310 using CANN tools.
• Build lightweight inference pipelines using MindSpore Lite and AscendCL.
• Optimize model performance for limited compute and memory environments.
• Deploy and monitor AI applications in real-world edge use cases.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work with edge-specific models and scenarios.
• Live deployment examples on virtual or physical edge hardware.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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) is Huawei’s AI computing toolkit used to compile, optimize, and deploy AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at beginner-level AI developers who wish to understand how CANN fits into the model lifecycle from training to deployment, and how it works with frameworks like MindSpore, TensorFlow, and PyTorch.

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

• Understand the purpose and architecture of the CANN toolkit.
• Set up a development environment with CANN and MindSpore.
• Convert and deploy a simple AI model to Ascend hardware.
• Gain foundational knowledge for future CANN optimization or integration projects.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with simple model deployment.
• Step-by-step walkthrough of the CANN toolchain and integration points.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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) is Huawei’s AI compute foundation that allows developers to fine-tune and optimize the performance of deployed neural networks on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI developers and system engineers who wish to optimize inference performance using CANN’s advanced toolset, including the Graph Engine, TIK, and custom operator development.

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

• Understand CANN's runtime architecture and performance lifecycle.
• Use profiling tools and Graph Engine for performance analysis and optimization.
• Create and optimize custom operators using TIK and TVM.
• Resolve memory bottlenecks and improve model throughput.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with real-time profiling and operator tuning.
• Optimization exercises using edge-case deployment examples.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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) is Huawei’s AI compute stack for deploying and optimizing AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and engineers who wish to deploy trained AI models efficiently to Huawei Ascend hardware using the CANN toolkit and tools such as MindSpore, TensorFlow, or PyTorch.

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

• Understand the CANN architecture and its role in the AI deployment pipeline.
• Convert and adapt models from popular frameworks to Ascend-compatible formats.
• Use tools like ATC, OM model conversion, and MindSpore for edge and cloud inference.
• Diagnose deployment issues and optimize performance on Ascend hardware.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work using CANN tools and Ascend simulators or devices.
• Practical deployment scenarios based on real-world AI models.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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 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 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.