Pelatihan online atau tatap muka, yang dipimpin oleh instruktur langsung, menunjukkan melalui diskusi interaktif dan praktik hands-on dasar-dasar GPU serta cara memprogram GPU.
Pelatihan GPU tersedia dalam bentuk "pelatihan online langsung" atau "pelatihan langsung tatap muka". Pelatihan online langsung (atau disebut juga "pelatihan jarak jauh langsung") dilakukan melalui desktop jarak jauh yang interaktif, remote desktop. Pelatihan langsung tatap muka dapat dilakukan secara lokal di kantor klien di Jakarta atau di pusat pelatihan korporat NobleProg di Jakarta.
NobleProg -- Penyedia Pelatihan Lokal Anda
Pondok Indah Office Tower 3
17th Floor, Jl Sultan Iskandar Muda Kav. V-TA, Jakarta Selatan, Indonesia
Pondok Indah Office Tower 3 adalah gedung perkantoran yang terletak di Komplek Pondok Indah Office Tower, Jalan Sultan Iskandar Muda Kav. 5-TA, Jakarta Selatan. Gedung ini memiliki 21 lantai dengan total luas bangunan sekitar 38.000 meter persegi.
Huawei Ascend adalah keluarga pemroses AI yang dirancang untuk inferensi dan pelatihan berkinerja tinggi.
Pelatihan langsung yang dipandu instruktur ini (daring atau di tempat) ditujukan bagi insinyur AI tingkat menengah dan ilmuwan data yang ingin mengembangkan dan memperbaiki model jaringan saraf menggunakan platform Ascend dari Huawei dan kotak alat CANN.
Pada akhir pelatihan ini, peserta akan dapat:
Menyiapkan dan mengonfigurasi lingkungan pengembangan CANN.
Mengembangkan aplikasi AI menggunakan MindSpore dan aliran kerja CloudMatrix.
Memperbaiki kinerja di Ascend NPU menggunakan operator custom dan tiling.
Mendeploy model ke lingkungan edge atau cloud.
Format Kursus
Sesi presentasi interaktif dan diskusi.
Penggunaan langsung Huawei Ascend dan kotak alat CANN dalam aplikasi contoh.
Latihan terarah yang difokuskan pada pembangunan, pelatihan, dan deploy model.
Pilihan Kustomisasi Kursus
Untuk meminta pelatihan kustom berdasarkan infrastruktur atau dataset Anda, silakan hubungi kami untuk mengatur.
Stack AI Huawei — dari SDK tingkat rendah CANN hingga kerangka MindSpore tingkat tinggi — menawarkan lingkungan pengembangan dan pelaksanaan AI yang terintegrasi ketat yang dioptimalkan untuk perangkat keras Ascend.
Pelatihan langsung ini (online atau tatap muka) ditujukan untuk profesional teknis tingkat pemula hingga menengah yang ingin memahami bagaimana komponen CANN dan MindSpore bekerja bersama untuk mendukung manajemen siklus hidup AI dan keputusan infrastruktur.
Setelah selesai mengikuti pelatihan ini, peserta akan dapat:
Memahami arsitektur bertingkat dari stack komputasi AI Huawei.
Mengidentifikasi bagaimana CANN mendukung optimasi model dan pelaksanaan tingkat perangkat keras.
Menevaluasi kerangka dan rantai alat MindSpore dalam hubungan dengan alternatif industri.
Memposisikan stack AI Huawei dalam lingkungan perusahaan atau cloud/on-prem.
Format Kursus
Kegiatan interaktif dan diskusi.
Demo sistem langsung dan pemandu kasus.
Laboratorium terpandu opsional tentang aliran model dari MindSpore ke CANN.
Opsi Kustomisasi Kursus
Untuk meminta pelatihan kustom untuk kursus ini, silakan hubungi kami untuk mengatur.
Pelatihan ini yang dipimpin instruktur, secara langsung (online atau tatap muka) ditujukan untuk pengembang pemula hingga tingkat menengah yang ingin menggunakan OpenACC untuk memprogram perangkat heterogen dan memanfaatkan paralelismnya.
Sampai akhir pelatihan ini, peserta akan dapat:
Menyetel lingkungan pengembangan OpenACC.
Menulis dan menjalankan program OpenACC dasar.
Menambahkan anotasi kode dengan arahan dan klausa OpenACC.
Menggunakan API dan perpustakaan OpenACC.
Memprofil, memdebug, dan mengoptimalkan program OpenACC.
SDK CANN (Arsitektur Komputasi untuk Neural Networks) menyediakan alat penyebaran dan optimasi yang powerful untuk aplikasi AI secara real-time dalam visi komputer dan NLP, khususnya pada perangkat keras Huawei Ascend.
Pelatihan berorientasi instruktur ini (daring atau tatap muka) ditujukan bagi praktisi AI level menengah yang ingin membangun, menyebarkan, dan mengoptimalkan model visi dan bahasa menggunakan SDK CANN untuk kasus penggunaan produksi.
Selesai pelatihan ini, peserta akan dapat:
Menyebarkan dan mengoptimalkan model CV dan NLP menggunakan CANN dan AscendCL.
Menggunakan alat-alat CANN untuk mengonversi model dan mengintegrasikannya ke dalam pipa kerja langsung.
Memaksimalkan kinerja inferensi untuk tugas seperti deteksi, klasifikasi, dan analisis sentimen.
Membangun pipa kerja CV/NLP secara real-time untuk skenario penyebaran edge atau berbasis cloud.
Format Kursus
Kuliah interaktif dan demonstrasi.
Praktek langsung dengan model penyebaran dan profil kinerja.
Desain pipa kerja langsung menggunakan kasus penggunaan CV dan NLP nyata.
Opsi Pemaduan Kursus
Untuk meminta pelatihan yang dipersonalisasi untuk kursus ini, silakan hubungi kami untuk mengatur.
Pelatihan ini yang dipimpin instruktur, langsung (online atau tatap muka) ditujukan untuk pengembang pemula hingga menengah yang ingin mempelajari dasar-dasar pemrograman GPU dan kerangka kerja serta alat utama untuk mengembangkan aplikasi GPU.
Setelah menyelesaikan pelatihan ini, peserta dapat: Mengerti perbedaan antara pemrosesan CPU dan GPU serta manfaat dan tantangan dalam pemrograman GPU.
Memilih kerangka kerja dan alat yang tepat untuk aplikasi GPU mereka.
Membuat program GPU dasar yang melaksanakan penambahan vektor menggunakan salah satu atau lebih kerangka kerja dan alat tersebut.
Menggunakan API, bahasa, dan library masing-masing untuk meminta informasi perangkat, mengalokasikan dan membebaskan memori perangkat, menyalin data antara host dan perangkat, meluncurkan kernel, dan menyinkronkan thread.
Menggunakan ruang memori masing-masing, seperti global, lokal, konstan, dan pribadi, untuk mengoptimalkan transfer data dan akses memori.
Menggunakan model eksekusi masing-masing, seperti work-items, work-groups, threads, blocks, dan grids, untuk mengontrol paralelisme.
Menelusuri dan menguji program GPU menggunakan alat seperti CodeXL, CUDA-GDB, CUDA-MEMCHECK, dan NVIDIA Nsight.
Mengoptimalkan program GPU menggunakan teknik seperti coalescing, caching, prefetching, dan profiling.
CANN TIK (Tensor Instruction Kernel) dan Apache TVM memungkinkan optimasi dan kustomisasi tingkat lanjut untuk operator model AI di Huawei Ascend perangkat keras.
Pelatihan ini yang dikemudikan instruktur (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan untuk pengembang sistem tingkat lanjut yang ingin membangun, menyebarkan, dan menyesuaikan operator kustom untuk model AI menggunakan model pemrograman TIK dari CANN dan integrasi kompilator TVM.
Di akhir pelatihan ini, peserta akan dapat:
Menulis dan menguji operator AI kustom menggunakan TIK DSL untuk prosesor Ascend.
Mengintegrasikan operator kustom ke dalam runtime dan grafik eksekusi CANN.
Menggunakan TVM untuk penjadwalan operator, penyesuaian otomatis, dan penilaian kinerja.
Memeriksa dan mengoptimalkan kinerja level instruksi untuk pola komputasi kustom.
Format Pelatihan
Pertemuan interaktif dan demonstrasi.
Pengkodean tangan pertama untuk operator menggunakan pipeline TIK dan TVM.
Pengujian dan penyesuaian di perangkat keras Ascend atau simulasi.
Opsi Kustomisasi Pelatihan
Untuk meminta pelatihan kustom untuk kursus ini, silakan hubungi kami untuk mengatur.
Pelatihan langsung ini di Jakarta (daring atau tatap muka) ditujukan bagi pengembang tingkat pemula hingga menengah yang ingin menggunakan berbagai kerangka kerja untuk GPU programming dan membandingkan fitur, kinerja, dan kompatibilitasnya.
Pada akhir pelatihan ini, peserta akan dapat:
Mengatur lingkungan pengembangan yang meliputi OpenCL SDK, CUDA Toolkit, ROCm Platform, perangkat yang mendukung OpenCL, CUDA, atau ROCm, dan Visual Studio Code.
Membuat program dasar GPU yang melakukan penjumlahan vektor menggunakan OpenCL, CUDA, dan ROCm, serta membandingkan sintaks, struktur, dan eksekusi setiap kerangka kerja.
Menggunakan API masing-masing untuk meminta informasi perangkat, mengalokasikan dan men-dealokasikan memori perangkat, salin data antara host dan perangkat, meluncurkan kernel, dan sinkronisasi thread.
Menggunakan bahasa masing-masing untuk menulis kernel yang dieksekusi di perangkat dan memanipulasi data.
Menggunakan fungsi, variabel, dan pustaka bawaan masing-masing untuk melaksanakan tugas dan operasi umum.
Menggunakan ruang memori yang berbeda, seperti global, lokal, konstan, dan private, untuk mengoptimalkan transfer data dan akses memori.
Menggunakan model eksekusi masing-masing untuk mengontrol thread, blok, dan grid yang mendefinisikan paralelisme.
Memeriksa dan menguji program GPU menggunakan alat seperti CodeXL, CUDA-GDB, CUDA-MEMCHECK, dan NVIDIA Nsight.
Mengoptimalkan program GPU menggunakan teknik seperti peleburan, penampungan, prefetching, dan profil.
CloudMatrix adalah platform pengembangan dan penyebaran AI terintegrasi Huawei yang dirancang untuk mendukung pipa inferensi tingkat produksi yang dapat diukur.
Pelatihan langsung ini (online atau tatap muka) ditujukan untuk profesional AI pemula hingga menengah yang ingin meng-deploy dan memantau model AI menggunakan platform CloudMatrix dengan integrasi CANN dan MindSpore.
Pada akhir pelatihan ini, peserta akan mampu:
Menggunakan CloudMatrix untuk pengemasan model, deployment, dan pengaturan layanan.
Mengonversi dan mengoptimalkan model untuk chipset Ascend.
Menyiapkan pipa untuk tugas inferensi real-time dan batch.
Memantau deployment dan menyesuaikan kinerja dalam pengaturan produksi.
Format Kursus
Diskusi dan perbincangan interaktif.
Penggunaan langsung CloudMatrix dengan skenario deployment nyata.
Latihan yang dipandu yang difokuskan pada konversi, optimasi, dan skalabilitas.
Opsi Kustomisasi Kursus
Untuk meminta pelatihan khusus untuk kursus ini berdasarkan infrastruktur AI atau lingkungan cloud Anda, silakan hubungi kami untuk menyiapkannya.
Kit alat Ascend CANN dari Huawei memungkinkan inferensi AI yang kuat pada perangkat edge seperti Ascend 310. CANN menyediakan alat-alat penting untuk mengompilasi, mengoptimalkan, dan mendepatkan model di mana komputasi dan memori terbatas.
Pelatihan langsung ini (online langsung atau pelatihan langsung tatap muka) ditujukan untuk pengembang AI dan integrator tingkat menengah yang ingin mendepatkan dan mengoptimalkan model pada perangkat edge Ascend menggunakan rantai alat CANN.
Di akhir pelatihan ini, peserta akan dapat:
Menyiapkan dan mengkonversi model AI untuk Ascend 310 menggunakan alat CANN.
Membangun pipa inferensi ringan menggunakan MindSpore Lite dan AscendCL.
Mengoptimalkan kinerja model untuk lingkungan komputasi dan memori terbatas.
Mendepatkan dan memantau aplikasi AI dalam kasus penggunaan edge dunia nyata.
Format Kursus
Presentasi interaktif dan demonstrasi.
Pekerjaan laboratorium tangan dengan model dan skenario spesifik edge.
Contoh deploy langsung pada perangkat keras edge virtual atau fisik.
Opsi Pemasaran Kursus
Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk menyelenggarakannya.
Pelatihan ini, yang dikembangkan oleh instruktur secara langsung (online atau tatap muka), ditujukan untuk pengembang dengan tingkat pemula hingga menengah yang ingin memasang dan menggunakan ROCm pada Windows untuk memprogram GPU AMD dan memanfaatkan paralelismnya.
Di akhir pelatihan ini, peserta akan mampu:
Menyusun lingkungan pengembangan yang mencakup Platform ROCm, GPU AMD, dan Visual Studio Code pada Windows.
Membuat program ROCm dasar yang melakukan penjumlahan vektor pada GPU dan mengambil hasil dari memori GPU.
Menggunakan API ROCm untuk menanyakan informasi perangkat, mengalokasikan dan melepaskan memori perangkat, menyalin data antara host dan perangkat, memulai kernel, dan menyinkronkan thread.
Menggunakan bahasa HIP untuk menulis kernel yang dieksekusi pada GPU dan memanipulasi data.
Menggunakan fungsi, variabel, dan pustaka bawaan HIP untuk melakukan tugas dan operasi umum.
Menggunakan ruang memori ROCm dan HIP, seperti global, shared, constant, dan local, untuk memoptimalkan transfer dan akses memori.
Menggunakan model eksekusi ROCm dan HIP untuk mengontrol thread, blok, dan grid yang mendefinisikan paralelism.
Mengdebug dan mengetes program ROCm dan HIP menggunakan alat seperti ROCm Debugger dan ROCm Profiler.
Mengoptimalkan program ROCm dan HIP menggunakan teknik seperti coalescing, caching, prefetching, dan profiling.
Pelatihan ini yang dipimpin instruktur, berlangsung secara Jakarta (online atau tatap muka) ditujukan untuk pengembang tingkat pemula hingga menengah yang ingin menggunakan ROCm dan HIP untuk memprogram GPU AMD dan memanfaatkan paralelism mereka.Setelah menyelesaikan pelatihan ini, peserta akan dapat:Mengatur lingkungan pengembangan yang mencakup Platform ROCm, GPU AMD, dan Visual Studio Code.Membuat program ROCm dasar yang melaksanakan penjumlahan vektor pada GPU dan mengambil hasil dari memori GPU.Menggunakan API ROCm untuk meminta informasi perangkat, mengalokasikan dan membebaskan memori perangkat, menyalin data antara host dan perangkat, meluncurkan kernel, dan menyinkronkan thread.Menggunakan bahasa HIP untuk menulis kernel yang dieksekusi pada GPU dan memanipulasi data.Menggunakan fungsi, variabel, dan perpustakaan bawaan HIP untuk melaksanakan tugas dan operasi umum.Menggunakan ruang memori ROCm dan HIP, seperti global, shared, constant, dan local, untuk mengoptimalkan transfer data dan akses memori.Menggunakan model eksekusi ROCm dan HIP untuk mengontrol thread, blok, dan grid yang mendefinisikan paralelism.Menyebut dan menguji program ROCm dan HIP menggunakan alat seperti ROCm Debugger dan ROCm Profiler.Mengoptimalkan program ROCm dan HIP menggunakan teknik seperti coalescing, caching, prefetching, dan profiling.
CANN (Compute Architecture for Neural Networks) adalah kit peralatan komputasi AI Huawei yang digunakan untuk mengompilasi, mengoptimalkan, dan mendistribusikan model AI pada pemroses AI Ascend.
Pelatihan ini yang dipimpin instruktur (online langsung atau langsung tatap muka) ditujukan untuk pengembang AI tingkat pemula yang ingin memahami bagaimana CANN terintegrasi dalam siklus hidup model dari pelatihan hingga distribusi, dan bagaimana cara kerjanya dengan kerangka seperti MindSpore, TensorFlow, dan PyTorch.
Di akhir pelatihan ini, peserta akan dapat:
Memahami tujuan dan arsitektur dari kit peralatan CANN.
Menyiapkan lingkungan pengembangan dengan CANN dan MindSpore.
Mengonversi dan mendistribusikan model AI sederhana ke perangkat keras Ascend.
Mendapatkan pengetahuan dasar untuk proyek optimasi atau integrasi CANN di masa depan.
Format Kursus
Kuliah interaktif dan diskusi.
Latihan praktis dengan distribusi model sederhana.
Panduan langkah demi langkah dari rantai alat CANN dan titik integrasi.
Opsi Pemasaran Kursus
Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk menyusun.
Ascend, Biren, dan Cambricon adalah platform hardware AI terkemuka di China, masing-masing menawarkan alat pengoptimalan dan pemrofilan unik untuk beban kerja AI skala produksi.
Pelatihan langsung ini (daring atau tatap muka) ditujukan bagi insinyur infrastruktur AI tingkat lanjut dan peningkatan kinerja yang ingin mengoptimalkan aliran kerja inferensi model dan pelatihan di beberapa platform chip AI China.
Setelah selesai, peserta akan dapat:
Menjalankan benchmark model pada platform Ascend, Biren, dan Cambricon.
Mengidentifikasi botleneck sistem dan ketidakefisienan memori/perhitungan.
Menerapkan optimasi tingkat grafik, kernel, dan operator.
Mempersiapkan pipa_deployemen untuk meningkatkan throughput dan latensi.
Format Kursus
Ledakan interaktif dan diskusi.
Penggunaan praktis alat pemrofilan dan pengoptimalan di setiap platform.
Melakukan latihan yang difokuskan pada skenario penyetelan praktis.
Opsi Personalisasi Kursus
Untuk meminta pelatihan terpersonalisasi berdasarkan lingkungan kinerja atau jenis model Anda, silakan hubungi kami untuk mengatur.
CANN SDK (Arsitektur Komputasi untuk Neural Networks) adalah fondasi komputasi AI dari Huawei yang memungkinkan pengembang untuk menyetel dan mengoptimalkan performa jaringan saraf terdistribusi di prosesor AI Ascend.
Pelatihan langsung (online atau offline) ini ditujukan kepada pengembang AI tingkat lanjut dan insinyur sistem yang ingin mengoptimalkan performa inferensi menggunakan alat canggih CANN, termasuk Graph Engine, TIK, dan pengembangan operator kustom.
Setelah selesai pelatihan ini, peserta akan dapat:
Mengerti arsitektur runtime dan siklus hidup performa dari CANN.
Menggunakan alat profiling dan Graph Engine untuk analisis dan optimasi performa.
Menyusun dan mengoptimalkan operator kustom menggunakan TIK dan TVM.
Membuat solusi bottleneck memori dan meningkatkan throughput model.
Format Kursus
Diskusi interaktif dan pembicaraan.
Laboratorium hands-on dengan profil real-time dan penyetelan operator.
Tugas optimasi menggunakan contoh penerapan kasus tepi.
Pilihan Kustomisasi Kursus
Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengatur.
Arsitektur GPU China seperti Huawei Ascend, Biren, dan Cambricon MLUs menawarkan alternatif CUDA yang disesuaikan untuk pasar AI dan HPC lokal.
Pelatihan langsung ini (daring atau tatap muka) ditujukan bagi programmer tingkat lanjut dan spesialis infrastruktur GPU yang ingin mengalihkan dan memperbaiki aplikasi CUDA yang ada untuk diimplementasikan pada platform perangkat keras China.
Selesai melalui pelatihan ini, peserta akan dapat:
Mengevaluasi kompatibilitas beban kerja CUDA yang ada dengan alternatif chip China.
Mengalihkan basis kode CUDA ke lingkungan Huawei CANN, Biren SDK, dan Cambricon BANGPy.
Membandingkan kinerja dan mengidentifikasi titik optimasi di berbagai platform.
Mengatasi tantangan praktis dalam dukungan silang-arsitektur dan implementasi.
Bentuk Kursus
Lektur interaktif dan diskusi.
Laboratorium praktik alih kode dan perbandingan kinerja.
Latihan terarah yang fokus pada strategi adaptasi multi-GPU.
Opsi Kustomisasi Kursus
Untuk meminta pelatihan khusus untuk kursus ini berdasarkan platform atau proyek CUDA Anda, silakan hubungi kami untuk mengatur.
Pelatihan langsung yang dipandu instruktur di Jakarta (online atau di tempat) ini ditujukan untuk pengembang tingkat pemula hingga menengah yang ingin menggunakan CUDA untuk memprogram NVIDIA GPU dan memanfaatkan paralelismenya.
Pada akhir pelatihan ini, peserta akan dapat:
Siapkan lingkungan pengembangan yang mencakup CUDA Toolkit, NVIDIA GPU, dan Visual Studio Code.
Buat program CUDA dasar yang melakukan penjumlahan vektor pada GPU dan mengambil hasilnya dari memori GPU.
Gunakan CUDA API untuk menanyakan informasi perangkat, mengalokasikan dan membatalkan alokasi memori perangkat, menyalin data antara host dan perangkat, meluncurkan kernel, dan menyinkronkan thread.
Gunakan bahasa CUDA C/C++ untuk menulis kernel yang dieksekusi pada GPU dan memanipulasi data.
Gunakan fungsi, variabel, dan pustaka bawaan CUDA untuk melakukan tugas dan operasi umum.
Gunakan ruang memori CUDA, seperti global, bersama, konstan, dan lokal, untuk mengoptimalkan transfer data dan akses memori.
Gunakan model eksekusi CUDA untuk mengendalikan thread, blok, dan grid yang menentukan paralelisme.
Debug dan uji program CUDA menggunakan alat seperti CUDA-GDB, CUDA-MEMCHECK, dan NVIDIA Nsight.
Optimalkan program CUDA menggunakan teknik seperti penggabungan, caching, prefetching, dan pembuatan profil.
CANN (Arsitektur Komputasi untuk Neural Networks) adalah tumpukan komputasi AI Huawei untuk mendepiskan dan mengoptimalkan model AI pada pemroses AI Ascend.
Pelatihan ini yang dibimbing instruktur secara langsung (online atau tatap muka) ditujukan untuk pengembang AI dan insinyur tingkat menengah yang ingin dengan efisien mendepiskan model AI yang telah dilatih ke perangkat keras Huawei Ascend menggunakan paket peralatan dan alat CANN seperti MindSpore, TensorFlow, atau PyTorch.
Di akhir pelatihan ini, peserta akan mampu untuk:
Memahami arsitektur CANN dan perannya dalam pipa deployment AI.
Mengkonversi dan menyesuaikan model dari framework populer ke format yang kompatibel dengan Ascend.
Menggunakan alat seperti ATC, OM model conversion, dan MindSpore untuk inferensi edge dan cloud.
Mengdiagnosis masalah deployment dan mengoptimalkan kinerja di perangkat keras Ascend.
Format Kursus
Presentasi interaktif dan demonstrasi.
Pekerjaan lab hands-on menggunakan alat CANN dan simulator atau perangkat Ascend.
Scenarios deployment praktis berdasarkan model AI dunia nyata.
Opsi Kustomisasi Kursus
Untuk meminta pelatihan kustom untuk kursus ini, silakan hubungi kami untuk mengatur.
Penghantar Biren AI adalah perangkat yang mampu melaksanakan tugas dengan kinerja tinggi yang dirancang untuk tugas AI dan HPC dengan dukungan untuk pelatihan dan inferensi berukuran besar.
Pelatihan ini yang dipimpin instruktur dan secara langsung (online atau langsung tatap muka) ditujukan untuk pengembang tingkat menengah hingga tingkat lanjut yang ingin memprogram dan mengoptimalkan aplikasi menggunakan tumpukan properti Biren GPU, dengan perbandingan praktis dengan lingkungan berbasis CUDA.
Setelah menyelesaikan pelatihan ini, peserta akan dapat:
Memahami arsitektur dan tatanan memori Biren GPU.
Mengatur lingkungan pengembangan dan menggunakan model pemrograman Biren.
Menerjemahkan dan mengoptimalkan kode gaya CUDA untuk platform Biren.
Menerapkan teknik penuningan dan pembelokkan kinerja.
Format Pelatihan
Pembahasan dan diskusi interaktif.
Penggunaan langsung SDK Biren dalam beban kerja GPU contoh.
Latihan yang dipandu yang berfokus pada porting dan penuningan kinerja.
Opsi Penyesuaian Pelatihan
Untuk meminta pelatihan yang disesuaikan untuk pelatihan ini berdasarkan kebutuhan tumpukan aplikasi atau integrasi Anda, silakan hubungi kami untuk mengatur.
Cambricon MLUs (Machine Learning Unit) adalah chip AI khusus yang dioptimalkan untuk inferensi dan pelatihan dalam skenario edge dan data center.
Pelatihan langsung ini (daring atau di tempat) ditujukan bagi pengembang tingkat menengah yang ingin membangun dan mendeploy model AI menggunakan kerangka kerja BANGPy dan SDK Neuware pada hardware Cambricon MLU.
Selesai pelatihan ini, peserta akan dapat:
Mengatur dan mengonfigurasi lingkungan pengembangan BANGPy dan Neuware.
Mengembangkan dan memperbaiki model berbasis Python dan C++ untuk Cambricon MLUs.
Deploy model ke perangkat edge dan data center yang menjalankan runtime Neuware.
Mengintegrasikan alur kerja ML dengan fitur percepatan khusus MLU.
Format Kursus
Lecture interaktif dan diskusi.
Penggunaan langsung BANGPy dan Neuware untuk pengembangan dan deploy.
Latihan yang dipandu dengan fokus pada optimasi, integrasi, dan pengujian.
Opsi Kustomisasi Kursus
Untuk meminta pelatihan khusus berdasarkan model perangkat Cambricon atau kasus penggunaan Anda, silakan hubungi kami untuk mengatur.
Pelatihan ini yang dibimbing instruktur dalam bentuk Jakarta (online langsung atau pelatihan langsung tatap muka) ditujukan bagi administrator sistem dan profesional IT tingkat pemula yang ingin menginstal, mengonfigurasi, mengelola, dan memecahkan masalah lingkungan CUDA.
Di akhir pelatihan ini, peserta akan mampu untuk:
Memahami arsitektur, komponen, dan kemampuan CUDA.
Pelatihan langsung ini di Jakarta (daring atau tatap muka) ditujukan bagi pengembang tingkat pemula hingga menengah yang ingin menggunakan OpenCL untuk memprogram perangkat heterogen dan memanfaatkan paralelisme mereka.
Pada akhir pelatihan ini, peserta akan dapat:
Mengatur lingkungan pengembangan yang mencakup SDK OpenCL, perangkat yang mendukung OpenCL, dan Visual Studio Code.
Membuat program dasar OpenCL yang melakukan penjumlahan vektor di perangkat dan mengambil hasil dari memori perangkat.
Menggunakan API OpenCL untuk menanyakan informasi perangkat, membuat konteks, antrian perintah, buffer, kernel, dan event.
Menggunakan bahasa C OpenCL untuk menulis kernel yang dieksekusi di perangkat dan memanipulasi data.
Menggunakan fungsi bawaan OpenCL, ekstensi, dan pustaka untuk melakukan tugas dan operasi umum.
Menggunakan model memori host dan perangkat OpenCL untuk mengoptimalkan transfer data dan akses memori.
Menggunakan model eksekusi OpenCL untuk mengontrol work-items, work-groups, dan ND-ranges.
Men-debug dan menguji program OpenCL menggunakan alat seperti CodeXL, Intel VTune, dan NVIDIA Nsight.
Mengoptimalkan program OpenCL dengan teknik seperti vektorisasi, unrolling loop, memori lokal, dan profil.
Pelatihan langsung dengan instruktur di Jakarta (online atau di lokasi) ini ditujukan untuk pengembang tingkat menengah yang ingin menggunakan CUDA untuk membangun aplikasi Python yang berjalan secara paralel di NVIDIA GPU.
Pada akhir pelatihan ini, peserta akan mampu:
Menggunakan compiler Numba untuk mempercepat aplikasi Python yang berjalan pada NVIDIA GPU.
Membuat, mengkompilasi, dan meluncurkan kernel CUDA khusus.
Mengelola memori GPU.
Mengubah aplikasi berbasis CPU menjadi aplikasi yang dipercepat oleh GPU.
Pelatihan online langsung ini yang dikhususkan untuk mengajari cara memprogram GPU untuk komputasi paralel, cara menggunakan berbagai platform, cara bekerja dengan platform CUDA dan fitur-fiturnya, serta cara melaksanakan berbagai teknik optimasi menggunakan CUDA. Beberapa aplikasi termasuk deep learning, analitik, pemrosesan gambar, dan aplikasi teknik.
Baca selengkapnya...
Pembaruan Terakhir:
Testimoni (2)
Very interactive with various examples, with a good progression in complexity between the start and the end of the training.
Jenny - Andheo
Kursus - GPU Programming with CUDA and Python
Energi dan humor pelatih.
Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.
Pelatihan online GPU di Jakarta, Kursus pelatihan GPU di Jakarta, Pelatihan GPU akhir pekan di Jakarta, Pelatihan GPU di Jakarta, GPU dipandu Instruktur di Jakarta, Pelatihan online GPU di Jakarta, Pelatihan GPU sore hari di Jakarta, Pelatihan GPU di Jakarta, Pelatihan GPU tatap muka di Jakarta, Pelatihan pribadi GPU di Jakarta, Kursus privat / pribadi GPU di Jakarta, Bootcamp GPU di Jakarta, Pelatihan GPU akhir pekan di Jakarta, GPU dipandu Instruktur di Jakarta, Kelas GPU di Jakarta, Instruktur GPU di Jakarta
