GPU Školení v Prague

Huawei Ascend je řada procesorů určených k výpočtům pro umělou inteligenci, které zajišťují vysoký výkon při inferenci i trénování modelů.

Tento školení pod vedením instruktora (online či prezenčně) je určeno pro softwarové inženýry a datové vědce střední úrovně, kteří se chtějí učit vyvíjet a optimalizovat neurální sítě s využitím platformy Huawei Ascend a nástroje CANN.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit a konfigurovat vývojové prostředí nástroje CANN.
• Vytvářet aplikace s využitím umělé inteligence pomocí frameworku MindSpore a nástroje CloudMatrix.
• Optimalizovat výkon na procesorech Ascend NPU prostřednictvím vlastních operátorů a strategií rozdělování výpočtů.
• Nasazovat modely do okolních nebo cloudových prostředí.

Forma kurzu

• Interaktivní přednášky a diskuse.
• Praktické cvičení s využitím produktů Huawei Ascend a nástroje CANN na ukázkových projektech.
• Průvodcovaná cvičení zaměřená na tvorbu, trénování a nasazování modelů.

Možnosti přizpůsobení kurzu

• Pokud si přejete, aby byl kurz upraven podle vaší infrastruktury či sad dat, kontaktujte nás a domluvíme se na potřebách.

Softwarový balík pro AI od Huawei – od nízkoúrovňové sady SDK CANN až po vyšší úroveň rámce MindSpore – poskytuje dokonale integrované prostředí určené k vývoji a nasazení systémů umělé inteligence optimalizované pro hardwarové produkty Ascend.

Toto živé školení vedené instruktorem (online nebo na místě) je určeno technicky zdatným odborníkům začínajícím i středně pokročilým, kteří si chtějí osvojit fungování součástek CANN a MindSpore při správě celého životního cyklu AI systémů a při rozhodování o vhodné infrastruktuře.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit vírovitou architekturu softwarového balíku pro AI od Huawei.
• Určit, jak CANN napomáhá optimalizaci modelů a jejich nasazení na hardwaru.
• Posoudit vhodnost rámce MindSpore a jeho nástrojového prostředí ve srovnání s ostatními řešeními na trhu.
• Určit, jak může být softwarový balík Huawei využit v korporátním prostředí či v cloudových a lokálních infrastrukturách.

Forma kurzu

• Interaktivní přednášky s diskusí.
• Přímé ukázky fungování systémů a konkrétní praktické příklady.
• Volitelné cvičení – provedení procesu přenosu modelu z MindSpore do CANN.

Možnosti přizpůsobení kurzu

• Chcete-li si vyžádat individuálně upravený kurz, kontaktujte nás pro domluvu.

Toto živé školení vedené instruktorem v Prague (online nebo na místě) je určeno pro vývojáře začínající i středně pokročilé, kteří chtějí využít OpenACC k programování heterogenních systémů a jejich paralelizaci.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí pro OpenACC.
• Psát a spouštět jednoduché programy v OpenACC.
• Přidávat do kódu direktivy a klauzule OpenACC.
• Využívat API a knihovny OpenACC.
• Provádět profilaci, ladění a optimalizaci programů v OpenACC.

SDK CANN (Compute Architecture for Neural Networks) nabízí výkonné nástroje pro nasazení a optimalizaci reálných AI aplikací v oblastech počítačového vidění a zpracování přirozeného jazyka, zejména na hardwaru Huawei Ascend.

Tento živý školení pod vedením instruktora (online nebo na místě) je určeno pro AI odborníky středně pokročilé úrovně, kteří chtějí s pomocí SDK CANN budovat, nasazovat a optimalizovat modely pro zpracování obrazu a textu v produkčním prostředí.

Po absolvování tohoto školení budou účastníci schopni:

• Nasazovat a optimalizovat modely pro počítačové vidění i zpracování přirozeného jazyka pomocí nástrojů CANN a AscendCL.
• Využívat nástroje SDK CANN k konverzi modelů a jejich integraci do fungujících pipeline.
• Optimalizovat výkon při provádění inferencí – například detekce objektů, klasifikace nebo analýza sentimentu.
• Vytvářet reálné pipeline pro počítačové vidění a zpracování jazyka určené k nasazení na okraji sítě nebo v cloudu.

Formát školení

• Interaktivní přednášky a praktická ukázky.
• Praktické cvičení s nasazením modelů a analyzováním jejich výkonu.
• Návrh reálných pipeline na základě konkrétních případů použití v oblasti počítačového vidění a NLP.

Možnosti přizpůsobení kurzu

• Chcete-li si vyžádat školení na míru, kontaktujte nás a domluvíme si detaily.

Tento kurz vedený instruktorem Prague (online či prezenčně) je určen pro začínající a středně pokročilé vývojáře, kteří si chtějí osvojit základy programování na GPU a hlavní frameworky a nástroje k tvorbě takových aplikací.

• Na konci kurzu budou účastníci schopni:
  Rozpoznat rozdíly mezi výpočty na CPU a GPU a pochopit výhody i obtíže programování na GPU.
• Vybrat vhodný framework a nástroj pro svou aplikaci určenou k běhu na GPU.
• Vytvořit jednoduchý program na GPU, který provede sčítání vektorů, a to pomocí některého z dostupných frameworků či nástrojů.
• Používat odpovídající API, programovací jazyky a knihovny k dotazování informací o zařízení, alokaci a dealokaci paměti na GPU, přenosu dat mezi hostitelským počítačem a GPU, spouštění výpočetních jader a synchronizaci vláken.
• Využívat jednotlivé typy pamětí – globální, lokální, konstantní či privátní – k optimalizaci přenosů dat a přístupu k paměti.
• Řídit paralelismus pomocí vhodných modelů provádění, jako jsou jednotlivé pracovní položky, skupiny pracovních položek či mřížky vláken.
• Ladit a testovat programy na GPU s použitím nástrojů typu CodeXL, CUDA-GDB, CUDA-MEMCHECK nebo NVIDIA Nsight.
• Optimalizovat programy na GPU pomocí technik jako je shlukování přístupů k paměti, ukládání do mezipaměti, předběžné načítání dat či profilování výkonu.

Nástroje CANN TIK (Tensor Instruction Kernel) a Apache TVM umožňují pokročilou optimalizaci a přizpůsobení operátorů modelů umělé inteligence pro hardwarové prostředí Huawei Ascend.

Tento praktický školení vedené instruktorem (online nebo na místě) je určeno pro systémové vývojáře pokročilé úrovně, kteří si přejí vytvářet, nasazovat a ladit vlastní operátory pro modely AI s využitím programovacího modelu TIK od CANN a integrace kompilátoru TVM.

Po absolvování tohoto školení budou účastníci schopni:

• Vytvářet a testovat vlastní operátory umělé inteligence s použitím jazyka TIK DSL určeného pro procesory Ascend.
• Integrovat vlastní operace do běhového prostředí CANN a do grafu vykonávání modelu.
• Využívat nástroj TVM k plánování provádění, automatickému ladění parametrů i testování výkonnosti operátorů.
• Ladit a optimalizovat výkonnost vlastních výpočetních jednotek na úrovni instrukcí.

Formát kurzu

• Interaktivní přednášky a ukázky konkrétních postupů.
• Praktické programování vlastních operátorů s využitím nástrojů TIK a TVM.
• Testování a ladění výkonnosti na zařízeních Ascend nebo jejich emulátorech.

Možnosti přizpůsobení kurzu

• Pokud si přejete kurz uzpůsobit svým konkrétním potřebám, kontaktujte nás pro domluvu podrobností.

Tento kurz vedený lektorem probíhá Prague (online nebo na místě) a je určen vývojářům od začátečnické po středně pokročilou úroveň, kteří se chtějí seznámit s různými frameworky pro programování na GPU a porovnat jejich vlastnosti, výkonnost i kompatibilitu.

Po absolvování kurzu budou účastníci schopni:

• Nastavit si vývojové prostředí obsahující SDK OpenCL, nástrojový balík CUDA Toolkit, platformu ROCm, zařízení kompatibilní s OpenCL, CUDA nebo ROCm a také editor Visual Studio Code.
• Vytvořit jednoduchý program určený k výpočtu součtů vektorů pomocí OpenCL, CUDA i ROCm a porovnat syntaxi, strukturu i způsob provádění v každém z těchto frameworků.
• Využít příslušná API k dotazování informací o zařízení, alokaci a uvolňování paměti na GPU, přenosu dat mezi hostitelským počítačem a grafickým procesorem, spouštění výpočetních úloh a synchronizaci vláken.
• Psát jádra určená k provádění na GPU pomocí příslušných programovacích jazyků, které umožňují manipulaci s daty.
• Využívat vestavěné funkce, proměnné a knihovny k vykonávání běžných operací v rámci programů pro GPU.
• Volit vhodná typy paměti – globální, lokální, konstantní či soukromou – za účelem optimalizace přenosu a přístupu k datům na GPU.
• Řídit strukturu výpočtů pomocí odpovídajících modelů provedení, jež definují počet vláken, bloků a skupin zodpovědných za paralelní výpočty.
• Odstraňovat chyby a testovat programy na GPU s využitím nástrojů typu CodeXL, CUDA-GDB, CUDA-MEMCHECK či NVIDIA Nsight.
• Optimalizovat výpočty na GPU pomocí metod jako je shlukování operací, použití mezipaměti, předběžné načítání dat a profilování.

CloudMatrix je jednotná platforma společnosti Huawei určená k vývoji a nasazování modelů umělé inteligence, která podporuje škálovatelné a produkční inferenční systémy.

Tento praktický kurz vedený instruktorem (online nebo na místě) je určen pro začínající i středně pokročilé odborníky v oblasti AI, kteří chtějí nasazovat a monitorovat modely pomocí platformy CloudMatrix ve spojení s nástroji CANN a MindSpore.

Po absolvování tohoto kurzu budou účastníci schopni:

• Využívat CloudMatrix k balení, nasazování a poskytování modelů.
• Převádět a optimalizovat modely tak, aby byly vhodné pro čipy Ascend.
• Vytvářet procesní řetězce pro okamžitou i dávkovou inferenci.
• Monitorovat nasazené modely a ladit jejich výkon v produkčním prostředí.

Forma kurzu

• Interaktivní přednášky a diskuze.
• Praktické cvičení s využitím CloudMatrix na skutečných nasazovacích scénářích.
• Cílené úlohy zaměřené na konverzi, optimalizaci a škálování modelů.

Možnosti přizpůsobení kurzu

• Chcete-li si nechat kurz upravit podle vaší infrastruktury AI či cloudového prostředí, kontaktujte nás a domluvíme se na vhodném řešení.

Nástrojová sada Ascend CANN od společnosti Huawei umožňuje efektivní inferenci umělé inteligence na zařízeních na okraji sítě, včetně čipu Ascend 310. CANN poskytuje důležité nástroje pro kompilaci, optimalizaci a nasazení modelů i v prostředích s omezenými výpočetními kapacitami a pamětí.

Toto školení pod vedením instruktora (online nebo prezenčně) je určeno pro AI vývojáře a integrovatele na středně pokročilé úrovni, kteří chtějí nasazovat a optimalizovat modely na zařízeních Ascend pomocí nástrojového řetězce CANN.

Po absolvování tohoto kurzu budou účastníci schopni:

• Připravovat a převádět modely umělé inteligence pro použití na čipu Ascend 310 pomocí nástrojů CANN.
• Vytvářet lehké infrastruktury pro inferenci s využitím nástroje MindSpore Lite a rozhraní AscendCL.
• Optimalizovat výkon modelů tak, aby vyhovoval omezeným výpočetním a paměťovým zdrojům.
• Nasazovat a monitorovat aplikace AI v reálných scénářích na okraji sítě.

Forma kurzu

• Interaktivní přednášky a praktické ukázky.
• Cvičení v laboratořích s modely a scénáři specifickými pro zařízení na okraji sítě.
• Reálné příklady nasazení na virtuálním nebo fyzickém hardwaru na okraji sítě.

Možnosti přizpůsobení kurzu

• Chcete-li si objednat školení upravené na míru, kontaktujte nás a domluvme se na podrobnostech.

Toto školení pod vedením instruktora Prague (online či na místě) je určeno pro začínající i středně pokročilé vývojáře, kteří si přejí nainstalovat a používat ROCm ve Windows pro programování grafických procesorů AMD a využití jejich paralelních schopností.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje platformu ROCm, grafický procesor od AMD a editor Visual Studio Code v systému Windows.
• Vytvořit jednoduchý program v ROCm, jenž provede sčítání vektorů na GPU a poté načte výsledky z paměti grafického procesoru.
• Používat API platformy ROCm k vyhledávání informací o zařízení, alokaci a dealokaci paměti, přenosu dat mezi hostitelem a GPU, spouštění instrukcí a synchronizaci vláken.
• Pomocí jazyka HIP psát programy, které se provádějí na grafickém procesoru a manipulují s daty.
• Využívat vestavěné funkce, proměnné a knihovny jazyka HIP k řešení běžných úloh.
• Používat různé paměťové prostory v ROCm i HIP – globální, sdílenou, konstantní či lokální – za účelem optimalizace přenosu a přístupu k datům.
• Řídit vlákna, bloky a mřížky definující paralelizaci pomocí vhodných modellů provádění v ROCm i HIP.
• Ladit a testovat programy napsané v ROCm a HIP pomocí nástrojů typu ROCm Debugger či ROCm Profiler.
• Optimalizovat výkon programů využívajících ROCm a HIP díky technikám jako je sloučení přístupů k paměti, ukládání do mezipaměti nebo prediktivní načítání dat.

Toto školení pod vedením lektora, které lze uspořádat online či prezenčně Prague, je určeno vývojářům začínajícím i střední úrovni, kteří si chtějí osvojit techniky programování na GPU od společnosti AMD prostřednictvím nástrojů ROCm a HIP.

Po absolvování kurzu budou schopni:

• Nastavit vývojové prostředí obsahující platformu ROCm, GPU od AMD a editor Visual Studio Code.
• Vytvořit jednoduchý program v rámci ROCm, jenž provádí sčítání vektorů na grafickém procesoru a získává výsledky z jeho paměti.
• Používat API platformy ROCm k zjišťování informací o zařízení, alokaci i uvolňování paměti na GPU, přenosu dat mezi hostitelským počítačem a GPU, spouštění kernelů a synchronizaci vláken.
• Využít jazyk HIP k psaní kernelů určených ke spuštění na grafickém procesoru a k manipulaci s daty.
• Používat vestavěné funkce, proměnné i knihovny v rámci jazyka HIP pro vykonávání běžných operací.
• Využívat paměťové oblasti definované platformami ROCm a HIP – např. globální, sdílenou, konstantní či lokální – za účelem optimalizace přenosů dat i jejich přístupu z hlediska rychlosti.
• Manipulovat s modely provádění v rámci ROCm a HIP tak, aby bylo možné kontrolovat tvorbu vláken, bloků a mřížek určujících paralelizaci výpočtů.
• Ladit a testovat programy vytvořené pomocí ROCm a HIP s využitím specializovaných nástrojů, jako je ROCm Debugger a ROCm Profiler.
• Optimalizovat výkonnostní parametry těchto programů pomocí technik typu sloučení přístupů k paměti, ukládání do mezipaměti či profilování využití zdrojů.

CANN (Compute Architecture for Neural Networks) je nástrojová sada od společnosti Huawei určená k tvorbě, optimalizaci a nasazení umělých inteligencí na procesorech Ascend.

Toto školení vedené instruktorem (online nebo prezenčně) je určeno pro začínající vývojáře AI, kteří chtějí porozumět tomu, jak CANN zapadá do celého životního cyklu modelů – od jejich trénování až po nasazení – a jak spolupracuje s frameworky jako MindSpore, TensorFlow a PyTorch.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit účel a architekturu nástrojové sady CANN.
• Nastavit vývojové prostředí využívající CANN a MindSpore.
• Převést a nasadit jednoduchý model na hardware Ascend.
• Získat základní znalosti pro budoucí optimalizace nebo integrace s CANN.

Formát kurzu

• Interaktivní přednášky a diskuze.
• Praktická cvičení zaměřená na nasazování jednoduchých modelů.
• Podrobný postup používání nástrojového řetězce CANN a jeho integrace do různých systémů.

Možnosti přizpůsobení kurzu

• Chcete-li si vyžádat individuálně upravený program, kontaktujte nás prosím k domluvě podrobností.

Ascend, Biren a Cambricon patří mezi přední čínské hardwarové platformy určené k nasazení umělé inteligence. Každá z nich poskytuje speciální nástroje na profilování a optimalizaci výkonu pro rozsáhlé AI aplikace.

Tento praktický školení vedené instruktorem (online nebo prezenčně) je určeno pro pokročilé inženýry specializující se na infrastrukturu umělé inteligence a optimalizaci výkonu, kteří chtějí zdokonalit procesy odvozování i trénování modelů napříč různými čínskými hardwarovými platformami.

Po absolvování kurzu budou účastníci schopni:

• Provádět testy výkonu modelů na platformách Ascend, Biren a Cambricon.
• Identifikovat systémová omezení a neefektivnosti v oblasti paměti či výpočtů.
• Aplikovat optimalizace na úrovni grafu, jádra i jednotlivých operátorů.
• Upravovat procesy nasazení modelů tak, aby se zvýšila propustnost a snížila latence.

Forma kurzu

• Interaktivní přednášky a diskuse.
• Praktické použití nástrojů na profilování a optimalizaci výkonu na jednotlivých platformách.
• Cvičení s cílem procvičit reálné scénáře optimalizace.

Možnosti přizpůsobení kurzu

• Pokud si přejete vytvořit kurz na míru podle vašeho prostředí či konkrétních typů modelů, kontaktujte nás a domluvme se.

SDK CANN (Compute Architecture for Neural Networks) představuje základní nástroj pro umělou inteligenci od společnosti Huawei, který vývojářům umožňuje doladit a optimalizovat výkon nasazených neuronových sítí na procesorech Ascend AI.

Toto školení vedené instruktorem (online nebo prezenčně) je určeno pro pokročilé vývojáře umělé inteligence a systémové inženýry, kteří chtějí optimalizovat výkon inferencí s využitím sofistikovaných nástrojů CANN, jako je Graph Engine, TIK a možnosti tvorby vlastních operátorů.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit architekturu běhového prostředí CANN a procesy ovlivňující výkon.
• Využívat profilovací nástroje a Graph Engine k analýze a optimalizaci výkonu.
• Tvořit a optimalizovat vlastní operátory s pomocí TIK a TVM.
• Překonávat problémy spojené s pamětí a zvyšovat celkový průtok dat modelu.

Formát kurzu

• Interaktivní přednášky a diskuse.
• Praktická cvičení s okamžitou analýzou výkonu a laděním operátorů.
• Cvičení na optimalizaci na základě reálných příkladů nasazení v obtížných podmínkách.

Možnosti přizpůsobení kurzu

• Pokud si přejete vytvořit na míru šité školení, kontaktujte nás pro domluvení podrobností.

Čínské architektury GPU, jako jsou Huawei Ascend, Biren a Cambricon MLU, nabízejí alternativy k platformě CUDA určené pro místní trhy v oblasti umělé inteligence a výpočetně náročných úloh.

Toto školení vedené instruktorem (online nebo na místě) je určeno programátorům GPU s pokročilými znalostmi a specialistům na infrastrukturu, kteří chtějí migrovat a optimalizovat stávající aplikace využívající CUDA pro nasazení na čínských hardwarových platformách.

Po absolvování tohoto kurzu budou účastníci schopni:

• Zhodnotit kompatibilitu stávajících aplikací využívajících CUDA s alternativami čínských procesorů.
• Převést kód z platformy CUDA do prostředí Huawei CANN, Biren SDK a Cambricon BANGPy.
• Srovnávat výkonnostní charakteristiky jednotlivých platforem a identifikovat místa pro optimalizaci.
• Řešit praktické problémy spojené s podporou různých architektur a jejich nasazením.

Formát kurzu

• Interaktivní přednášky a diskuse.
• Praktické cvičení v oblasti překladu kódu a srovnávání výkonnosti.
• Řízená cvičení zaměřená na strategie adaptace aplikací pro více GPU.

Možnosti přizpůsobení kurzu

• Chcete-li si vyžádat školení upravené podle vaší platformy či projektu využívajícího CUDA, kontaktujte nás a domluvíme se na konkrétních podrobnostech.

Toto školení vedené instruktorem Prague (online či na místě) je určeno pro začátečníky i středně pokročilé vývojáře, kteří chtějí využít technologii CUDA k programování GPU od společnosti NVIDIA a zužitkovat jejich paralelní charakteristiky.

Po absolvování kurzu budou účastníci schopni:

• Nastavit vývojové prostředí včetně nástrojového balíku CUDA, grafického procesoru NVIDIA a programu Visual Studio Code.
• Vytvořit základní program na bázi technologie CUDA provádějící sčítání vektorů na GPU a následně vyžadující přenos výsledků do paměti hostitele.
• Používat rozhraní API technologie CUDA k získávání informací o zařízení, alokaci a uvolňování paměti na GPU, kopírování dat mezi systémy, spouštění kernelů a synchronizaci vláken.
• Využívat syntaxi jazyka CUDA C/C++ k psaní programů běžících na grafickém procesoru a manipulaci s daty.
• Pracovat s vestavěnými funkcemi, proměnnými i knihovnami technologie CUDA pro vykonávání standardních operací.
• Optimalizovat přístup k paměti a její využití pomocí jednotlivých typů paměti v rámci technologie CUDA – globální, sdílené, konstantní či lokální.
• Řídit celkový paralelní výkon systému prostřednictvím mechanismů rozhraní CUDA, zejména vláken, bloků a mřížek.
• Ladit a testovat programy na bázi technologie CUDA s pomocí nástrojů jako CUDA-GDB, CUDA-MEMCHECK či NVIDIA Nsight.
• Optimalizovat výkon programů využívajících CUDA prostřednictvím seskupování přístupů k paměti, ukládání dat do mezipaměti, přednačítání a profilování.

97 % našich klientů je spokojeno. 

CANN (Compute Architecture for Neural Networks) je sada nástrojů od společnosti Huawei určená k nasazování a optimalizaci AI modelů na procesorech Ascend AI.

Toto školení vedené instruktorem (online či prezenčně) je určeno pro středně pokročilé vývojáře a inženýry, kteří chtějí efektivně nasadit již vyškolené AI modely na hardware od společnosti Huawei s využitím nástrojů CANN, MindSpore, TensorFlow či PyTorch.

Po absolvování tohoto školení budou účastníci schopni:

• Pochopit architekturu CANN a jeho roli v procesu nasazování AI modelů.
• Převádět modely z populárních vývojových frameworků do formátů kompatibilních s hardwarem Ascend.
• Využívat nástroje jako ATC, konverzi modelů OM a MindSpore pro inferenci na okrajových zařízeních i v cloudu.
• Diagnostikovat problémy při nasazení a optimalizovat výkon modelů na procesorech Ascend.

Forma školení

• Interaktivní přednášky a praktická demonstrace.
• Praktické cvičení s využitím nástrojů CANN a simulátorů či zařízení Ascend.
• Reálné scénáře nasazení založené na skutečných AI modelech.

Možnosti přizpůsobení školení

• Chcete-li si toto školení nechat upravit podle svých potřeb, kontaktujte nás a domluvíme se na detailech.

Akcelerátory Biren AI představují vysoce výkonná GPU navržená speciálně pro úlohy v oblasti umělé inteligence a high-performance computing. Tyto akcelerátory podporují škálovatelné trénování i provádění algoritmů.

Toto živé školení vedené instruktorem (online či na místě) je určeno pro vývojáře středně pokročilé a pokročilé úrovně, kteří si přejí programovat a optimalizovat aplikace využívající proprietární sadu nástrojů Biren pro GPU. Součástí školení jsou také praktická srovnání s prostředím založeným na technologii CUDA.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit architekturu GPU od Biren a hierarchii pamětí.
• Nastavit vývojové prostředí a využívat programovací model poskytovaný společností Biren.
• Převádět a optimalizovat kód psaný ve stylu CUDA pro platformy Biren.
• Aplikovat techniky ladění a optimalizace výkonu.

Formát kurzu

• Interaktivní přednášky a diskuse.
• Praktické cvičení s využitím sady nástrojů Biren na ukázkových úlohách GPU.
• Cílená cvičení zaměřená na přenesení kódu a optimalizaci výkonu.

Možnosti přizpůsobení kurzu

• Chcete-li si vyžádat individuálně upravené školení v souladu s vaším softwarovým stackem či požadavky na integraci, kontaktujte nás prosím k domluvě.

Cambricon MLU (Machine Learning Units) jsou specializované AI čipy optimalizované pro inferenci i trénování modelů v prostředích edge zařízení i datových center.

Toto živé školení vedené instruktorem (online nebo na místě) je určeno pro vývojáře středně pokročilé úrovně, kteří chtějí vytvářet a nasazovat AI modely pomocí frameworku BANGPy a sady nástrojů Neuware na hardwaru Cambricon MLU.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit a konfigurovat vývojová prostředí pro BANGPy a Neuware.
• Vytvářet a optimalizovat modely v Pythonu i C++ určené k běhu na Cambricon MLU.
• Nasazovat modely do edge zařízení či datových center vybavených runtime prostředím Neuware.
• Integrovat pracovní postupy strojového učení s technologiemi akcelerace specifickými pro MLU.

Formát kurzu

• Interaktivní přednášky a diskuze.
• Praktické cvičení s využitím nástrojů BANGPy a Neuware pro vývoj i nasazování modelů.
• Řízená cvičení zaměřená na optimalizaci, integraci a testování modelů.

Možnosti přizpůsobení kurzu

• Pokud si přejete upravit obsah kurzu podle konkrétního modelu Cambricon zařízení či vašich potřeb, kontaktujte nás a domluvíme se na potřebách.

Toto školení vedené instruktorem v Prague (online nebo prezenčně) je určeno pro systémové administrátory a IT profesionály na začátečnické úrovni, kteří se chtějí naučit instalovat, konfigurovat, spravovat a řešit problémy v prostředích CUDA.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit architekturu, komponenty a možnosti platformy CUDA.
• Instalovat a konfigurovat prostředí CUDA.
• Správně spravovat a optimalizovat prostředky využívané CUDA.
• Identifikovat a řešit běžné problémy v prostředí CUDA.

Toto školení pod vedením lektora probíhá Prague (online či na místě) a je určeno pro začínající i středně pokročilé vývojáře, kteří chtějí využít OpenCL k programování heterogenních zařízení a těžit z jejich paralelních schopností.

Po absolvování kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje OpenCL SDK, zařízení podporující OpenCL a Visual Studio Code.
• Vytvořit jednoduchý program v OpenCL, jenž provede operaci sčítání vektorů na daném zařízení a následně získá výsledky z jeho paměti.
• Používat rozhraní OpenCL API k zjišťování informací o zařízeních, vytváření kontextů, front příkazů, vyrovnávacích pamětí, jader a událostí.
• Používat programovací jazyk OpenCL C k psaní jader spouštěných na zařízení a manipulaci s daty.
• Využít vestavěné funkce, rozšíření a knihovny OpenCL při řešení běžných úloh a operací.
• Uplatnit modely hostitelské a zařízení paměti v rámci OpenCL k optimalizaci přenosů dat a jejich přístupu do paměti.
• Ovládat mechanismy provádění instrukcí v OpenCL – konkrétně prvky, skupiny úloh a ND-rozsahy.
• Odladit a testovat programy na OpenCL pomocí nástrojů typu CodeXL, Intel VTune a NVIDIA Nsight.
• Optimalizovat programy na OpenCL využitím technik jako je vektorizace, rozbalení cyklů, lokální paměť a profilování.

Toto živé školení vedené lektorem v Prague (online či prezenčně) je určeno vývojářům C++, kteří chtějí s využitím CUDA urychlit aplikace, psát vysoce efektivní GPU kernely a využívat knihovny paralelních algoritmů pro vědecké výpočty, zpracování dat či strojové učení.

Toto výcvikové školení pod vedením instruktora v Prague (online nebo na místě) je určeno pro programátory v jazyce C/C++, kteří chtějí využít CUDA k urychlení výpočetně náročných aplikací, jako jsou zpracování dat, vědecké simulace, úlohy strojového učení či zpracování obrazu.

Tento kurz pod vedením lektora v Prague (online nebo prezenčně) je určen vývojářům softwaru, analytikům dat a technickým specialistům, kteří chtějí s využitím nástrojů TensorFlow 2.x a Keras vytvářet, trénovat a nasazovat modely hlubokého učení určené pro počítačové vidění, zpracování přirozeného jazyka i multimodální aplikace.

Tento praktický školicí kurz vedený instruktorem v Prague se zabývá programováním GPU pro paralelní výpočty, používáním různých platform a prácí s platformou CUDA a jejími funkcemi. Vysvětluje také techniky optimalizace využívající CUDA. Mezi aplikace patří hluboké učení, analýza dat, zpracování obrazu a inženýrské úlohy.