Kursus Pelatihan Pemrograman GPU NVIDIA - Lanjutan

Pendahuluan

Memahami konsep dasar metodologi komputasi heterogen

Alasan dibalik komputasi paralel – Mengapa komputasi paralel diperlukan?

Prosesor multi-core: arsitektur dan desainnya

Pendahuluan mengenai thread, konsep dasar thread serta pemrograman paralel

Memahami prinsip-prinsip optimisasi perangkat lunak GPU

OpenMP – Standar untuk pemrograman paralel berbasis direktif

Praktikum/demonstraasi program-program beragam di mesin multi-core

Pendahuluan mengenai komputasi GPU

GPU dalam konteks komputasi paralel

Model pemrograman GPU

Praktikum/demonstraasi program-program beragam di lingkungan GPU

SDK, toolkit, serta proses instalasi lingkungan pengembangan GPU

Bekerja dengan berbagai pustaka terkait GPU

Demonstraasi alat-alat GPU menggunakan contoh program dan OpenACC

Memahami model pemrograman CUDA

Mempelajari arsitektur CUDA

Mengenal serta menyiapkan lingkungan pengembangan CUDA

Bekerja dengan API runtime CUDA

Memahami model memori CUDA

Mengeksplorasi fitur-fitur tambahan pada API CUDA

Cara mengakses memori global secara efisien di CUDA: optimisasi memori global

Mengoptimalkan transfer data di CUDA melalui penggunaan CUDA Streams

Pemanfaatan shared memory dalam pemrograman CUDA

Memahami dan menggunakan operasi serta instruksi atomik dalam CUDA

Studi kasus: Pengolahan citra digital dasar menggunakan CUDA

Bekerja dengan program yang memanfaatkan multi-GPU

Teknik profiling dan sampling perangkat keras tingkat lanjut pada NVIDIA/CUDA

Menggunakan API Dinamis CUDA untuk meluncurkan kernel secara dinamis

Penutup dan kesimpulan