Cursos de GPU en Caracas

Huawei Ascend es una familia de procesadores de IA diseñados para inferencia y entrenamiento de alto rendimiento.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de IA y científicos de datos de nivel intermedio que desean desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar el entorno de desarrollo de CANN.
• Desarrollar aplicaciones de IA utilizando flujos de trabajo de MindSpore y CloudMatrix.
• Optimizar el rendimiento en NPUs Ascend mediante operadores personalizados y técnicas de particionamiento (tiling).
• Implementar modelos en entornos de borde o en la nube.

Formato del curso

• Clase interactiva y discusión.
• Uso práctico de Huawei Ascend y el kit de herramientas CANN en aplicaciones de muestra.
• Ejercicios guiados centrados en la creación, entrenamiento e implementación de modelos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su infraestructura o conjuntos de datos, contáctenos para organizarla.

La pila de IA de Huawei, desde el SDK CANN de bajo nivel hasta el marco MindSpore de alto nivel, ofrece un entorno integrado para el desarrollo y despliegue de IA, optimizado para hardware Ascend.

Esta formación en vivo con instrucción presencial (en línea o in situ) está dirigida a profesionales técnicos de nivel principiante a intermedio que desean comprender cómo los componentes CANN y MindSpore trabajan juntos para gestionar el ciclo de vida de la IA y tomar decisiones de infraestructura.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura en capas de la pila de computación IA de Huawei.
• Identificar cómo CANN respalda la optimización de modelos y el despliegue a nivel de hardware.
• Evaluar el marco MindSpore y su cadena de herramientas en relación con las alternativas del sector.
• Posicionar la pila de IA de Huawei dentro de entornos empresariales o de nube/on-premise.

Formato del curso

• Conferencia interactiva y discusión.
• Demostraciones en vivo del sistema y recorridos basados en casos prácticos.
• Laboratorios guiados opcionales sobre el flujo de modelos desde MindSpore hasta CANN.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar OpenACC para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo con OpenACC.
• Escribir y ejecutar un programa básico de OpenACC.
• Anotar código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Perfilar, depurar y optimizar programas de OpenACC.

El SDK de CANN (Compute Architecture for Neural Networks) proporciona potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de IA de nivel intermedio que deseen construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso de producción.

Al final de esta capacitación, los participantes podrán:

• Implementar y optimizar modelos de CV y PLN utilizando CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en pipelines en tiempo real.
• Optimizar el rendimiento de inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir pipelines de CV/PLN en tiempo real para escenarios de implementación en edge o en la nube.

Formato del curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y perfilamiento de rendimiento.
• Diseño de pipelines en vivo utilizando casos de uso reales de CV y PLN.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarla.

Esta formación en vivo impartida por un instructor en Caracas (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean aprender los fundamentos de la programación de GPUs, así como los principales marcos de trabajo y herramientas para desarrollar aplicaciones GPU.

• Al finalizar esta capacitación, los participantes podrán:
  Entender la diferencia entre el cómputo en CPU y GPU, y las ventajas y desafíos de la programación de GPUs.
• Elegir el marco de trabajo y la herramienta adecuados para su aplicación GPU.
• Crear un programa GPU básico que realice una suma de vectores utilizando uno o más de los marcos de trabajo y herramientas mencionados.
• Utilizar las respectivas API, lenguajes y bibliotecas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Usar los respectivos espacios de memoria, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los respectivos modelos de ejecución, como elementos de trabajo (work-items), grupos de trabajo (work-groups), hilos, bloques y cuadrículas, para controlar el paralelismo.
• Depurar y probar programas GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas GPU utilizando técnicas como la coalescencia, el almacenamiento en caché, la prefetching (precarga) y la instrumentación (profiling).

CANN TIK (Tensor Instruction Kernel) y Apache TVM permiten una optimización avanzada y la personalización de los operadores de modelos de IA para el hardware Huawei Ascend.

Esta formación presencial impartida por instructores (en línea o en las instalaciones) está dirigida a desarrolladores de sistemas de nivel avanzado que deseen crear, implementar y ajustar operadores personalizados para modelos de IA utilizando el modelo de programación TIK de CANN y la integración del compilador TVM.

Al finalizar esta formación, los participantes serán capaces de:

• Escribir y probar operadores de IA personalizados utilizando el DSL de TIK para procesadores Ascend.
• Integrar operadores personalizados en el tiempo de ejecución de CANN y en el grafo de ejecución.
• Utilizar TVM para la programación de operadores, la auto-optimización y la evaluación comparativa.
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cálculo personalizados.

Formato del curso

• Conferencia interactiva y demostración.
• Programación práctica de operadores utilizando los pipelines de TIK y TVM.
• Pruebas y ajustes en hardware Ascend o simuladores.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarlo.

Esta capacitación en vivo impartida por un instructor en Caracas (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar diferentes marcos para la programación de GPU y comparar sus características, rendimiento y compatibilidad.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, CUDA Toolkit, la Plataforma ROCm, un dispositivo que soporte OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa básico de GPU que realice una suma de vectores utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, estructura y ejecución de cada marco.
• Utilizar las APIs respectivas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar los respectivos lenguajes para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas respectivas para realizar tareas y operaciones comunes.
• Utilizar los respectivos espacios de memoria, como global, local, constante y privado, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar los respectivos modelos de ejecución para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de GPU utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de GPU utilizando técnicas como combinación (coalescing), almacenamiento en caché, prefetching y perfilado.

CloudMatrix es la plataforma unificada de desarrollo e implementación de inteligencia artificial de Huawei, diseñada para soportar pipelines de inferencia escalables y aptos para entornos de producción.

Esta formación presencial en vivo (en línea o in situ) está dirigida a profesionales de IA de nivel principiante a intermedio que deseen implementar y monitorear modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar esta capacitación, los participantes podrán:

• Utilizar CloudMatrix para el empaquetado, despliegue y servicio de modelos.
• Convertir y optimizar modelos para conjuntos de chips Ascend.
• Configurar pipelines para tareas de inferencia en tiempo real y por lotes.
• Monitorear implementaciones y ajustar el rendimiento en entornos de producción.

Formato del curso

• Conferencias interactivas y discusión.
• Práctica directa con CloudMatrix en escenarios reales de implementación.
• Ejercicios guiados centrados en conversión, optimización y escalado.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso según su infraestructura de IA o entorno en la nube, contáctenos para coordinar.

El toolkit Ascend CANN de Huawei permite realizar inferencia de IA potente en dispositivos de borde, como el Ascend 310. CANN proporciona herramientas esenciales para compilar, optimizar e implementar modelos en entornos con recursos computacionales y de memoria limitados.

Esta formación impartida por instructores, ya sea online o en las instalaciones, está dirigida a desarrolladores e integradores de IA de nivel intermedio que deseen desplegar y optimizar modelos en dispositivos de borde Ascend utilizando la cadena de herramientas CANN.

Al finalizar esta formación, los participantes serán capaces de:

• Preparar y convertir modelos de IA para el Ascend 310 utilizando las herramientas CANN.
• Construir pipelines de inferencia ligeros usando MindSpore Lite y AscendCL.
• Optimizar el rendimiento del modelo para entornos con capacidad de cómputo y memoria limitadas.
• Desplegar y monitorear aplicaciones de IA en casos de uso reales en el borde.

Formato del curso

• Conferencia interactiva y demostraciones.
• Trabajo práctico en laboratorio con modelos y escenarios específicos para el borde.
• Ejemplos de despliegue en tiempo real en hardware virtual o físico para el borde.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarla.

Esta formación en vivo dirigida por instructores en Caracas (en línea o presencial) está orientada a desarrolladores de nivel principiante a intermedio que desean instalar y utilizar ROCm en Windows para programar GPUs AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya la plataforma ROCm, una GPU AMD y Visual Studio Code en Windows.
• Crear un programa básico de ROCm que realice una suma de vectores en la GPU y recupere los resultados de la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución de ROCm y HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm y HIP mediante técnicas como la coalescencia, el almacenamiento en caché, la precarga y el perfilado.

Esta formación en vivo impartida por un instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que deseen utilizar ROCm e HIP para programar GPUs AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya la Plataforma ROCm, una GPU AMD y Visual Studio Code.
• Crear un programa básico de ROCm que realice una suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de ROCm para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje HIP para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar las funciones integradas, variables y bibliotecas de HIP para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de ROCm e HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución de ROCm e HIP para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de ROCm e HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimizar programas de ROCm e HIP utilizando técnicas como la combinación (coalescing), almacenamiento en caché, prebúsqueda (prefetching) y perfilado.

CANN (Compute Architecture for Neural Networks) es el kit de herramientas de computación de IA de Huawei, utilizado para compilar, optimizar y desplegar modelos de IA en procesadores de IA Ascend.

Esta formación en vivo con instrucción directa (en línea o presencial) está dirigida a desarrolladores de IA principiantes que desean comprender cómo CANN se integra en el ciclo de vida del modelo, desde el entrenamiento hasta el despliegue, y cómo funciona junto con marcos de trabajo como MindSpore, TensorFlow y PyTorch.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el propósito y la arquitectura del kit de herramientas CANN.
• Configurar un entorno de desarrollo con CANN y MindSpore.
• Convertir y desplegar un modelo de IA sencillo en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del curso

• Conferencia interactiva y discusión.
• Laboratorios prácticos con despliegue de modelos sencillos.
• Explicación paso a paso del conjunto de herramientas CANN y los puntos de integración.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Ascend, Biren y Cambricon son plataformas líderes de hardware de IA en China, cada una ofreciendo herramientas únicas de aceleración y perfilado para cargas de trabajo de IA a escala de producción.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a ingenieros avanzados de infraestructura de IA y rendimiento que desean optimizar los flujos de inferencia y entrenamiento de modelos en múltiples plataformas de chips de IA chinas.

Al finalizar esta formación, los participantes podrán:

• Realizar mediciones de referencia (benchmarking) de modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias de memoria/cómputo.
• Aplicar optimizaciones a nivel de grafo, de núcleo (kernel) y de operador.
• Ajustar los flujos de implementación para mejorar el rendimiento y la latencia.

Formato del curso

• Clases interactivas y discusiones.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados centrados en escenarios de ajuste prácticos.

Opciones de personalización del curso

• Para solicitar una formación personalizada basada en su entorno de rendimiento o tipo de modelo, contáctenos para coordinarlo.

El SDK CANN (Compute Architecture for Neural Networks) es la base de computación para IA de Huawei que permite a los desarrolladores ajustar y optimizar el rendimiento de redes neuronales implementadas en procesadores AI Ascend.

Esta capacitación en vivo con instrucción (en línea o en las instalaciones) está dirigida a desarrolladores de IA de nivel avanzado e ingenieros de sistemas que deseen optimizar el rendimiento de inferencia utilizando el conjunto avanzado de herramientas de CANN, incluyendo el Motor de Gráficos (Graph Engine), TIK y el desarrollo de operadores personalizados.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura en tiempo de ejecución de CANN y su ciclo de vida de rendimiento.
• Utilizar herramientas de perfilado y el Motor de Gráficos para el análisis y la optimización del rendimiento.
• Crear y optimizar operadores personalizados mediante TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el rendimiento del modelo (throughput).

Formato del curso

• Clase interactiva y discusión.
• Talleres prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de implementación en casos límite.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

Las arquitecturas GPU chinas, como Huawei Ascend, Biren y los MLU de Cambricon, ofrecen alternativas a CUDA diseñadas específicamente para los mercados locales de IA y computación de alto rendimiento (HPC).

Esta formación práctica, impartida por un instructor (en línea o presencial), está dirigida a programadores de GPU de nivel avanzado y especialistas en infraestructura que deseen migrar y optimizar aplicaciones CUDA existentes para su implementación en plataformas de hardware chinas.

Al finalizar esta formación, los participantes podrán:

• Evaluar la compatibilidad de las cargas de trabajo CUDA existentes con alternativas de chips chinos.
• Adaptar código CUDA a los entornos Huawei CANN, Biren SDK y Cambricon BANGPy.
• Comparar el rendimiento e identificar puntos de mejora entre las distintas plataformas.
• Abordar los desafíos prácticos relacionados con el soporte y despliegue en múltiples arquitecturas.

Formato del curso

• Clases interactivas y discusiones.
• Laboratorios prácticos de traducción de código y comparación de rendimiento.
• Ejercicios guiados centrados en estrategias de adaptación multi-GPU.

Opciones de personalización del curso

• Si desea solicitar una formación personalizada para este curso, adaptada a su plataforma o proyecto CUDA, por favor contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en <ubic> (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean utilizar CUDA para programar GPUs NVIDIA y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el Toolkit de CUDA, una GPU NVIDIA y Visual Studio Code.
• Crear un programa básico de CUDA que realice una suma de vectores en la GPU y recupere los resultados desde la memoria de la GPU.
• Utilizar la API de CUDA para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el anfitrión (host) y el dispositivo, lanzar kernels y sincronizar hilos.
• Utilizar el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en la GPU y manipulen datos.
• Utilizar funciones integradas, variables y bibliotecas de CUDA para realizar tareas y operaciones comunes.
• Utilizar los espacios de memoria de CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y el acceso a la memoria.
• Utilizar el modelo de ejecución de CUDA para controlar los hilos, bloques y cuadrículas que definen el paralelismo.
• Depurar y probar programas de CUDA utilizando herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimizar programas de CUDA mediante técnicas como la coalescencia, almacenamiento en caché (caching), precarga (prefetching) y perfilado.

97% de los clientes satisfechos.

CANN (Compute Architecture for Neural Networks) es la pila de cómputo para IA de Huawei, diseñada para desplegar y optimizar modelos de IA en procesadores de IA Ascend.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a desarrolladores e ingenieros de IA de nivel intermedio que deseen desplegar modelos de IA entrenados de manera eficiente en hardware Huawei Ascend, utilizando el kit de herramientas CANN y herramientas como MindSpore, TensorFlow o PyTorch.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura de CANN y su papel en el flujo de trabajo de despliegue de IA.
• Convertir y adaptar modelos desde marcos de trabajo populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, conversión de modelos OM y MindSpore para inferencia en edge (borde) y en la nube.
• Diagnosticar problemas de despliegue y optimizar el rendimiento en hardware Ascend.

Formato del Curso

• Conferencia interactiva y demostraciones prácticas.
• Práctica de laboratorio utilizando herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios de despliegue prácticos basados en modelos de IA del mundo real.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Los Aceleradores GPU Biren son GPUs de alto rendimiento diseñadas para cargas de trabajo de IA y HPC, con soporte para entrenamiento e inferencia a gran escala.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio a avanzado que deseen programar y optimizar aplicaciones utilizando la pila propietaria de GPU de Biren, con comparaciones prácticas frente a entornos basados en CUDA.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura y jerarquía de memoria de las GPUs Biren.
• Configurar el entorno de desarrollo y utilizar el modelo de programación de Biren.
• Traducir y optimizar código estilo CUDA para plataformas Biren.
• Aplicar técnicas de ajuste de rendimiento y depuración.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de la SDK de Biren en cargas de trabajo GPU de ejemplo.
• Ejercicios guiados centrados en la portabilidad y el ajuste de rendimiento.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso basada en su pila de aplicaciones o necesidades de integración, contáctenos para coordinarlo.

Las unidades de aprendizaje automático (MLU) de Cambricon son chips especializados en inteligencia artificial, optimizados para la inferencia y el entrenamiento en entornos de borde y centros de datos.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a desarrolladores de nivel intermedio que deseen crear e implementar modelos de IA utilizando el framework BANGPy y el SDK de Neuware sobre hardware MLU de Cambricon.

Al finalizar esta capacitación, los participantes podrán:

• Configurar y establecer entornos de desarrollo con BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para MLU de Cambricon.
• Implementar modelos en dispositivos de borde y centros de datos que ejecuten el entorno de ejecución de Neuware.
• Integrar flujos de trabajo de ML con funciones específicas de aceleración de MLU.

Formato del curso

• Conferencias interactivas y debates.
• Uso práctico de BANGPy y Neuware para el desarrollo e implementación.
• Ejercicios guiados centrados en la optimización, integración y pruebas.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso según el modelo de dispositivo Cambricon o su caso de uso, por favor contáctenos para organizarla.

Esta formación en vivo con instructor en Caracas (en línea o presencial) está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que deseen instalar, configurar, administrar y solucionar problemas de entornos CUDA.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura, los componentes y las capacidades de CUDA.
• Instalar y configurar entornos CUDA.
• Gestionar y optimizar los recursos de CUDA.
• Depurar y solucionar problemas comunes de CUDA.

Esta formación en vivo impartida por un instructor en Caracas (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, un dispositivo compatible con OpenCL y Visual Studio Code.
• Crear un programa básico de OpenCL que realice una suma de vectores en el dispositivo y recupere los resultados de la memoria del dispositivo.
• Utilizar la API de OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, buffers, kernels y eventos.
• Utilizar el lenguaje C de OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilizar las funciones integradas, extensiones y bibliotecas de OpenCL para realizar tareas y operaciones comunes.
• Utilizar los modelos de memoria del host y del dispositivo en OpenCL para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los work-items, los work-groups y los ND-ranges.
• Depurar y probar programas de OpenCL utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimizar programas de OpenCL mediante técnicas como la vectorización, el despliegue de bucles (loop unrolling), memoria local y perfilado.

Este curso de formación en vivo, impartido por un instructor, Caracas, aborda cómo programar GPUs para computación paralela, cómo utilizar diversas plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar diversas técnicas de optimización utilizando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis, procesamiento de imágenes y aplicaciones de ingeniería.