Türkiye 'de Online GPU Eğitimi

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-ölçümli, canlı eğitim Türkiye (online veya yerinde) başlangıç seviyesinden orta seviyeye kadar olan geliştiricilerin farklı GPU programlama çerçevelerini kullanmalarına ve özelliklerini, performansını ve uyumluluğunu karşılaştırmalarına yöneliktir.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• OpenCL SDK, CUDA Toolkit, ROCm Platform, OpenCL, CUDA veya ROCm'yi destekleyen bir cihaz ve Visual Studio Code içeren geliştirme ortamını kurma.
• Vector toplama işlemi yapan temel GPU programlarını OpenCL, CUDA ve ROCm ile oluşturma ve her çerçevenin sözdizimini, yapısını ve yürütülmesini karşılaştırma.
• Aygıt bilgilerini sorgulama, aygıt belleğini tahsis etme ve serbest bırakma, ana cihazlar arasında veri kopyalama, çekirdekleri başlatma ve iş parçacıklarını senkronize etme gibi işlemleri gerçekleştirmek için uygun API'leri kullanma.
• Aygıttaki verileri işlemek üzere çalışacak kernel'leri yazmak için uygun dilleri kullanma.
• Ortak görevler ve işlemler gerçekleştirmek için dahili fonksiyonları, değişkenleri ve kitaplıkları kullanma.
• Veri aktarımını ve bellek erişimini optimize etmek için genel, yerel, sabit ve özel gibi farklı bellek alanlarını kullanma.
• Paralellik tanımlayacak iş parçacıklarını, blokları ve ızgara yapısını kontrol etmek için uygun yürütme modellerini kullanma.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK ve NVIDIA Nsight gibi araçları kullanarak GPU programlarını hata ayıklama ve test etme.
• Birleştirme, önbellekleme, ön yükleme ve profil oluşturma tekniklerini kullanarak GPU programlarını optimize etme.

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 yapay zekâ işlemcilerinde sinir ağı çıkarım performansını optimize etmek için bu ileri düzey, eğitmen liderliğinde eğitimi Türkiye ile keşfedin. CANN'ın çalışma zamanı mimarisini inceleyin; profil oluşturma, özel operatör geliştirme ve bellek darboğazlarının çözümü için Graph Engine, TIK ve TVM'nin gücünden yararlanın.

Türkiye konusundaki bu eğitmen eşliğinde verilen canlı eğitim (çevrimiçi veya yerinde), NVIDIA GPU'larında programlama yapmayı ve bunların paralelliğini kullanmak isteyen başlangıç ve orta düzeydeki geliştiricilere yöneliktir.

Eğitimin sonunda katılımcılar şunları yapabileceklerdir:

• CUDA Toolkit, NVIDIA GPU ve Visual Studio Code'u içeren bir geliştirme ortamı kurmak.
• GPU'da vektör toplama işlemini gerçekleştirip sonuçları GPU belleğinden alan temel bir CUDA programı oluşturmak.
• CUDA API'yi kullanarak cihaz bilgisi sorgulamak, cihaz belleği ayırmak ve serbest bırakmak, konak (host) ile cihaz arasındaki verileri kopyalamak, çekirdekleri (kernel) başlatmak ve iş parçacıklarını (thread) senkronize etmek.
• CUDA C/C++ diliyle GPU'da çalışan ve verileri manipüle eden çekirdekler yazmak.
• CUDA'nın yerleşik işlevlerini, değişkenlerini ve kütüphanelerini kullanarak yaygın görevleri ve işlemleri gerçekleştirmek.
• Veri aktarımını ve bellek erişimini optimize etmek için global, paylaşımlı, sabit ve yerel gibi CUDA bellek alanlarını kullanmak.
• Paralelliği tanımlayan iş parçacıklarını, blokları ve ızgaraları (grid) kontrol etmek için CUDA yürütme modelini kullanmak.
• CUDA-GDB, CUDA-MEMCHECK ve NVIDIA Nsight gibi araçları kullanarak CUDA programlarını hata ayıklamak ve test etmek.
• Coalescing (birleştirme), önbelleğe alma (caching), önceden yükleme (prefetching) ve profil çıkarma (profiling) gibi teknikleri kullanarak CUDA programlarını optimize etmek.

%97 memnun müşteri. 

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, Türkiye konusundaki eğitmen liderliğindeki canlı eğitim (çevrimiçi veya yerinde), heterojen cihazlarda programlamak ve paralel yapılarını kullanmak isteyen başlangıç ila orta düzey geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecek hale geleceklerdir:

• OpenCL SDK'yi, OpenCL destekli bir cihazı ve Visual Studio Code'u içeren bir geliştirme ortamı kurarlar.
• Cihazda vektör toplamayı gerçekleştiren ve sonuçları cihaz belleğinden alan temel bir OpenCL programı oluştururlar.
• Aygıt bilgilerini sorgulamak, bağlam (context), komut kuyrukları (command queue), tamponlar (buffer), çekirdekler (kernel) ve olaylar (event) oluşturmak için OpenCL API'sini kullanırlar.
• Cihazda çalışan ve veri manipülasyonu yapan çekirdekler yazmak için OpenCL C dilini kullanırlar.
• Yaygın görevleri ve işlemleri gerçekleştirmek için OpenCL yerleşik fonksiyonlarını, uzantılarını ve kütüphanelerini kullanırlar.
• Veri aktarımını ve bellek erişimini optimize etmek için OpenCL ana bilgisayar (host) ve cihaz bellek modellerini kullanırlar.
• Paralellik tanımı için OpenCL çalışma modelini, work-item'ları, work-group'ları ve ND-range'ları kontrol etmek için kullanırlar.
• CodeXL, Intel VTune ve NVIDIA Nsight gibi araçlar kullanarak OpenCL programlarını hata ayıklarlar ve test ederler.
• Vektörleme, döngü açma (loop unrolling), yerel bellek ve profilleme gibi teknikleri kullanarak OpenCL programlarını optimize ederler.

Türkiye (çevrimiçi veya kurumsal) şeklinde verilen bu eğitmen liderliğindeki canlı eğitim; uygulamaları hızlandırmak, yüksek performanslı GPU çekirdekleri yazmak ve bilimsel hesaplama, veri işleme ile makine öğrenimi yüklemeleri için paralel algoritmalar kütüphanelerinden yararlanmak isteyen C++ geliştiricilerine yöneliktir.

Bu Türkiye konumunda (online veya şirket içi) verilen eğitmen led canlı eğitim, veri işleme, bilimsel simülasyonlar, makine öğrenimi yükleri ve görüntü işleme hatları dahil olmak üzere hesap yoğunluğu gerektiren uygulamaları hızlandırmak için CUDA kullanmak isteyen C/C++ geliştiricilerini hedefler.

Bu Türkiye ortamında (online veya kurum içi) verilen eğitmen gözetimindeki canlı eğitim, bilgisayarlı görü, doğal dil işleme ve çok modlu uygulamalar için derin öğrenme modelleri oluşturmak, eğitmek ve dağıtmak amacıyla TensorFlow 2.x ve Keras kullanmak isteyen yazılım geliştiricilere, veri analistlerine ve teknik profesyonellere yöneliktir.

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.