Pelatihan GPU di Indonesia

Pelatihan online langsung ini dipandu oleh instruktur dan ditujukan bagi para pengembang tingkat pemula hingga menengah yang ingin memanfaatkan OpenACC untuk mengatur perangkat heterogen serta memaksimalkan kemampuan paralelnya.

Setelah menyelesaikan pelatihan ini, peserta akan mampu:

• Mengatur lingkungan pengembangan OpenACC.
• Menulis dan menjalankan program OpenACC sederhana.
• Menambahkan anotasi dalam kode menggunakan direktif serta klausa OpenACC.
• Menggunakan API dan library OpenACC.
• Melakukan profil, debugging, serta mengoptimalkan program OpenACC.

Pelatihan online langsung ini dipimpin oleh instruktur dan ditujukan bagi para pengembang tingkat pemula hingga menengah yang ingin mempelajari dasar-dasar pemrograman GPU serta kerangka kerja dan alat bantu utama dalam pengembangan aplikasi GPU.

• Setelah mengikuti pelatihan ini, peserta akan mampu:
  Memahami perbedaan antara komputasi CPU dan GPU serta keuntungan dan tantangan dalam pemrograman GPU.
• Memilih kerangka kerja dan alat bantu yang tepat untuk aplikasi GPU mereka.
• Menulis program GPU sederhana yang mampu melakukan penjumlahan vektor dengan menggunakan salah satu atau beberapa kerangka kerja tersebut.
• Menggunakan API, bahasa pemrograman, dan perpustakaan terkait untuk mengakses informasi perangkat, mengalokasikan serta melepaskan memori, mentransfer data antara host dan perangkat, menjalankan kernel, serta menyinkronkan thread.
• Menerapkan penggunaan ruang memori seperti global, lokal, konstan, dan privat guna mengoptimalkan transfer data serta akses memori.
• Mengatur model eksekusi berupa work-items, work-groups, threads, blocks, dan grids untuk mengontrol proses paralelisme.
• Memeriksa dan menguji program GPU menggunakan alat seperti CodeXL, CUDA-GDB, CUDA-MEMCHECK, serta NVIDIA Nsight.
• Mengoptimalkan kinerja program GPU dengan teknik seperti coalescing, caching, prefetching, dan profiling.

Pelatihan online langsung ini dipandu instruktur, ditujukan bagi para pengembang tingkat awal hingga menengah yang ingin menggunakan berbagai kerangka kerja dalam pemrograman GPU serta membandingkan fitur, kinerja, dan tingkat kompatibilitasnya.

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

• Mengatur lingkungan pengembangan yang mencakup OpenCL SDK, CUDA Toolkit, Platform ROCm, perangkat pendukung OpenCL/CUDA/ROCm, serta Visual Studio Code.
• Membuat program GPU dasar untuk operasi penjumlahan vektor dengan menggunakan OpenCL, CUDA, dan ROCm; sekaligus membandingkan sintaksis, struktur, dan cara eksekusi masing-masing kerangka kerja.
• Memanfaatkan API yang tersedia untuk menanyakan informasi perangkat, mengalokasikan serta melepaskan memori perangkat, mentransfer data antara host dan perangkat, menjalankan kernel, serta menyelaraskan eksekusi thread.
• Menggunakan bahasa pemrograman yang sesuai untuk menulis kernel yang dijalankan pada perangkat GPU sekaligus mengolah data di sana.
• Memanfaatkan fungsi, variabel, dan pustaka bawaan dari masing-masing kerangka kerja guna melaksanakan tugas-tugas umum dalam pemrograman GPU.
• Menggunakan berbagai ruang memori seperti global, local, constant, dan private untuk mengoptimalkan proses transfer data serta akses terhadap memori perangkat.
• Memanfaatkan model eksekusi yang tersedia guna mengontrol pengaturan thread, blok, dan grid dalam mewujudkan konsep paralelisme pada GPU.
• Melakukan debugging serta pengujian terhadap program GPU dengan menggunakan alat-alat seperti CodeXL, CUDA-GDB, CUDA-MEMCHECK, dan NVIDIA Nsight.
• Mengoptimalkan kinerja program GPU melalui teknik-teknik seperti coalescing, caching, prefetching, dan analisis profil eksekusi.

Pelatihan langsung tatap muka ini (online atau onsite) ditujukan bagi para developer tingkat awal hingga menengah yang ingin menginstal dan memakai ROCm di Windows guna pengembangan GPU AMD serta pemanfaatan kemampuan paralelisasinya.

Setelah kursus ini selesai, peserta akan mampu:

• Mengatur lingkungan pengembangan yang mencakup Platform ROCm, GPU AMD, dan Visual Studio Code di Windows.
• Membuat program ROCm dasar untuk melakukan penjumlahan vektor pada GPU serta mengambil hasilnya dari memori GPU.
• Menggunakan API ROCm dalam menanyakan informasi perangkat, mengalokasikan atau melepaskan memori perangkat, mentransfer data antar host dan perangkat, menjalankan kernel, serta menyelaraskan thread.
• Memanfaatkan bahasa HIP untuk membuat kernel yang dieksekusi pada GPU serta memproses data.
• Menggunakan fungsi bawaan, variabel, dan library HIP guna melakukan tugas umum.
• Menerapkan ruang memori ROCm dan HIP seperti global, shared, constant, serta local demi mengoptimalkan transfer data dan akses memori.
• Mengendalikan thread, blok, dan grid sebagai penentu pola paralelisme melalui model eksekusi ROCm dan HIP.
• Melakukan debugging serta pengujian program ROCm dan HIP dengan alat seperti ROCm Debugger dan ROCm Profiler.
• Mengoptimalkan performa program ROCm dan HIP melalui teknik koalesensi, caching, prefetching, serta analisis profil.

Pelatihan langsung tatap muka ini ditujukan bagi developer level awal maupun menengah yang tertarik menggunakan ROCm dan HIP untuk mengembangkan program pada GPU AMD dan memaksimalkan kinerja paralelisasinya.

Di akhir sesi, peserta akan memiliki kemampuan berikut:

• Menyusun lingkungan pengembangan yang mencakup Platform ROCm, GPU AMD, dan Visual Studio Code.
• Membuat program ROCm dasar yang melakukan operasi penjumlahan vektor pada GPU serta mengambil hasilnya dari memori GPU.
• Menggunakan API ROCm untuk menanyakan informasi perangkat, mengalokasikan atau melepaskan memori perangkat, mentransfer data antar host dan device, menjalankan kernel, serta menyinkronkan thread.
• Memanfaatkan bahasa HIP dalam penulisan kernel yang akan dijalankan pada GPU untuk memproses data.
• Menggunakan fungsi bawaan, variabel, dan pustaka HIP guna melaksanakan berbagai tugas rutin.
• Memilih ruang penyimpanan memori ROCm dan HIP seperti global, shared, constant, maupun local demi mengoptimalkan alur transfer data serta pengaksesan memori.
• Mengatur mekanisme eksekusi dengan menentukan komposisi thread, block, serta grid sesuai kebutuhan paralelisasi.
• Melakukan debugging dan pengujian terhadap program ROCm/HIP menggunakan alat seperti ROCm Debugger dan ROCm Profiler.
• Mengoptimalkan performa kode dengan menerapkan teknik coalescing, caching, prefetching, serta profilisasi.

Pelatihan online langsung atau pelatihan langsung tatap muka ini ditujukan bagi pengembang tingkat dasar hingga menengah yang ingin menggunakan CUDA untuk pemrograman GPU NVIDIA serta memanfaatkan kemampuan paralelisasinya.

Setelah mengikuti pelatihan ini, peserta akan mampu:

• Mengatur lingkungan pengembangan yang mencakup CUDA Toolkit, GPU NVIDIA, dan Visual Studio Code.
• Membuat program CUDA sederhana yang melakukan operasi penjumlahan vektor di GPU serta mengambil hasilnya dari memori GPU.
• Menggunakan API CUDA untuk mendapatkan informasi perangkat, mengalokasikan atau melepaskan memori perangkat, mentransfer data antar host dan perangkat, meluncurkan kernel, serta mensinkronisasi thread.
• Menulis kernel menggunakan bahasa CUDA C/C++ yang akan dieksekusi di GPU serta mengelola manipulasi data.
• Menggunakan fungsi bawaan, variabel, dan pustaka CUDA untuk melaksanakan tugas dan operasi umum.
• Menerapkan ruang memori seperti global, shared, constant, dan local demi mengoptimalkan transfer data serta akses memori.
• Mengendalikan thread, blok, dan grid yang menjadi dasar mekanisme paralelisasi melalui model eksekusi CUDA.
• Melakukan debug dan pengujian terhadap program CUDA dengan alat seperti CUDA-GDB, CUDA-MEMCHECK, serta NVIDIA Nsight.
• Mengoptimalkan kinerja program CUDA lewat teknik coalescing, caching, prefetching, serta profiling.

97% klien menyatakan puas terhadap pelatihan ini.

Pelatihan online langsung ini dipandu instruktur, baik secara daring maupun tatap muka, ditujukan bagi para administrator sistem dan profesional IT tingkat pemula yang ingin mempelajari cara menginstal, mengonfigurasi, mengelola, serta mengatasi masalah dalam lingkungan CUDA.

Setelah menyelesaikan pelatihan ini, peserta diharapkan mampu:

• Memahami arsitektur, komponen, dan kemampuan CUDA.
• Menginstal serta mengonfigurasi lingkungan CUDA.
• Mengelola dan mengoptimalkan sumber daya CUDA.
• Melakukan debugging serta memecahkan masalah umum terkait CUDA.

Pelatihan online langsung ini ditujukan bagi para pengembang pemula hingga menengah yang ingin menggunakan OpenCL untuk memprogram perangkat heterogen serta memanfaatkan potensi paralelisasinya.

Setelah mengikuti pelatihan ini, peserta akan mampu:

• Menyiapkan lingkungan pengembangan yang mencakup OpenCL SDK, perangkat pendukung OpenCL, serta Visual Studio Code.
• Membuat program OpenCL sederhana yang mampu melakukan penjumlahan vektor di perangkat dan mengambil hasilnya dari memori perangkat.
• Menggunakan API OpenCL untuk menanyakan informasi perangkat, membuat konteks, antrean perintah, buffer, kernel, serta event.
• Menulis kode kernel dalam bahasa OpenCL C yang dapat dieksekusi di perangkat dan mengolah data.
• Memanfaatkan fungsi bawaan, ekstensi, serta library OpenCL untuk melaksanakan tugas-tugas umum.
• Menggunakan model memori host dan perangkat OpenCL demi mengoptimalkan transfer data serta akses memori.
• Menerapkan mekanisme eksekusi OpenCL guna mengontrol work-item, work-group, serta ND-range.
• Mendebug dan menguji program OpenCL dengan perangkat lunak seperti CodeXL, Intel VTune, dan NVIDIA Nsight.
• Mengoptimalkan performa program OpenCL melalui teknik seperti vektorisasi, pembongkaran loop, pemanfaatan memori lokal, serta pembuatan profil.

Pelatihan langsung yang dipandu instruktur ini di Indonesia (online maupun tatap muka) ditujukan bagi para pengembang C++ yang ingin memanfaatkan CUDA untuk mempercepat aplikasi, membuat kernel GPU berkinerja tinggi, serta menggunakan perpustakaan algoritma paralel dalam komputasi ilmiah, pemrosesan data, dan pengembangan mesin belajar.

Pelatihan langsung ini (online atau tatap muka) diselenggarakan oleh instruktur dan ditujukan bagi para pengembang C/C++ yang hendak memanfaatkan CUDA untuk mempercepat aplikasi komputasi intensif, seperti pemrosesan data, simulasi ilmiah, beban kerja pembelajaran mesin, serta alur pemrosesan citra.Indonesia

Pelatihan langsung tatap muka ini di Indonesia ditujukan bagi para pengembang perangkat lunak, analis data, serta profesional teknis yang ingin menggunakan TensorFlow 2.x dan Keras untuk membuat, melatih, serta mengimplementasikan model pembelajaran mendalam dalam bidang komputer vision, pemrosesan bahasa alami, maupun aplikasi multimodal lainnya.

Pelatihan online langsung ini di Indonesia mencakup cara memprogram GPU untuk komputasi paralel, cara menggunakan berbagai platform, cara bekerja dengan platform CUDA beserta fiturnya, serta teknik optimisasi apa saja yang dapat diterapkan melalui CUDA. Beberapa aplikasinya meliputi pembelajaran mendalam, analitika data, pengolahan citra, dan beragam penerapan di bidang teknik.