This site requires Javascript in order to view all its content. Please enable Javascript in order to access all the functionality of this web site. Here are the instructions how to enable JavaScript in your web browser.

Workshops a Cargo de Instructores
Aspectos Básicos de la Computación Acelerada con CUDA Python

Solicitar un workshop para tu organización

Ver horario de workshops públicos

Este workshop te enseña las herramientas y técnicas fundamentales para ejecutar aplicaciones Python aceleradas por GPU utilizando CUDA^® y el compilador Numba.

Objetivos de Aprendizaje

Al final del workshop, comprenderás las herramientas y técnicas fundamentales para acelerar con GPU las aplicaciones de Python con CUDA y Numba:

Acelera con GPU NumPy ufucns con unas pocas líneas de código.
Configura la paralelización de código mediante la jerarquía de subprocesos de CUDA.
Escribe kernels de dispositivos CUDA personalizados para obtener el máximo rendimiento y flexibilidad.
Utiliza la fusión de memoria y la memoria compartida en el dispositivo para aumentar el ancho de banda del kernel CUDA.

Descargar la hoja de datos del workshop (PDF 67 KB)

Esquema del Workshop

Introducción (15 minutos)	Conoce al instructor. Crea una cuenta en courses.nvidia.com/join
Introducción a CUDA Python con Numba (120 minutos)	Comienza a trabajar con el compilador Numba y la programación CUDA en Python. Utiliza decoradores de Numba para acelerar las funciones numéricas de Python. Optimiza las transferencias de memoria del host al dispositivo y del dispositivo al host.
Descanso (60 minutos)
Kernels CUDA Personalizados en Python con Numba (120 minutos)	Conoce la jerarquía de subprocesos paralelos de CUDA y cómo ampliar las posibilidades de programas paralelos. Ejecuta kernel de CUDA personalizados masivamente paralelos en la GPU. Utiliza las operaciones atómicas de CUDA para evitar las condiciones de carrera durante la ejecución paralela.
Descanso (15 minutos)
Cuadrículas Multidimensionales y Memoria Compartida para CUDA Python con Numba (120 minutos)	Aprende la creación de cuadrículas multidimensionales y cómo trabajar en paralelo en matrices 2D. Aprovecha la memoria compartida en el dispositivo para promover la fusión de la memoria mientras remodelas las matrices 2D.
Revisión Final (15 minutos)	Revisa los aspectos clave y realiza preguntas. Completa la evaluación y obtén tu certificado. Realiza la encuesta del workshop.

Detalles del Workshop

Duración: 8 horas

Precio: $500 para workshops públicos, comunícate con nosotros para obtener información sobre los workshops empresariales.

Requisitos:

Conocimientos básicos de Python, incluida la familiaridad con tipos de variables, bucles, declaraciones condicionales, funciones y manipulaciones de matrices
Competencia NumPy, incluido el uso de ndarrays y ufuncs
No es necesario contar con ningún conocimiento previo sobre la programación con CUDA

Tecnologías: Numba, NumPy

Certificado: Después de aprobar la evaluación, los participantes recibirán un certificado del DLI de NVIDIA para validar tu competencia en el campo de estudio y contribuir al crecimiento de tu carrera profesional.

Requisitos de hardware: Una laptop o desktop capaz de ejecutar la última versión de Chrome o Firefox. A cada participante se le otorgará acceso dedicado a una servidor en cloud acelerado por GPU y completamente configurado.

Idiomas: inglés, chino simplificado, chino tradicional

PRÓXIMOS WORKSHOPS PÚBLICOS

Hora de Ciudad de México

Martes, 13 de marzo de 2021

11:00 a. m. a 7:00 p. m.

Registrarte ahora

Hora de Europa Central

Miércoles, 24 de marzo de 2021

9:00 a. m. a 5:00 p. m.

Registrarte ahora

Próximos Workshops Públicos

Europa/Oriente Medio/África

Jueves, 26 de agosto de 2021
9:00 a. m. a 5:00 p. m. CEST

REGISTRARTE AHORA

Si tu organización está interesada en impulsar y mejorar sus capacidades de desarrollo con respecto a la IA, la ciencia de datos acelerada o la computación acelerada, puedes solicitar una capacitación a cargo de un instructor del DLI de NVIDIA.

Solicitar un Workshop

PREGUNTAS?

Comunícate con nosotros si tienes preguntas sobre
Capacitación de Deep Learning

Section

Section

Nombre

Apellido

Correo Corporativo

Organización / Nombre de la Universidad

Industria

Título Profesional

Rol de Trabajo

Ubicación

Ciudad

State

Reason for requesting contact

本人知悉且同意 NVIDIA Corporation 基于调研、活动组织的目的对本人的上述信息的收集和处理，并已经阅读并同意 <a href="https://www.nvidia.cn/about-nvidia/privacy-policy/" target="_blank">NVIDIA 隐私政策</a>。

本人知悉且同意，因调研、活动组织的必须，以及相对应的 NVIDIA 内部管理和系统操作的需要，上述信息会被传输到位于美国的 NVIDIA Corporation 按照符合 <a href="https://www.nvidia.cn/about-nvidia/privacy-policy/" target="_blank">NVIDIA 隐私政策</a>的方式进行存储，您可以通过发送邮件至 <a href="mailto:privacy@nvidia.com">privacy@nvidia.com</a> 进行联系以解决相关问题，实现可适用的数据保护法所规定的权利。

Workshops a Cargo de Instructores
Aspectos Básicos de la Computación Acelerada con CUDA Python

Objetivos de Aprendizaje

Esquema del Workshop

Detalles del Workshop

PRÓXIMOS WORKSHOPS PÚBLICOS

Martes, 13 de marzo de 2021

Miércoles, 24 de marzo de 2021

Próximos Workshops Públicos

Europa/Oriente Medio/África

PREGUNTAS?

Comunícate con nosotros si tienes preguntas sobre
Capacitación de Deep Learning

Lea nuestras preguntas frecuentes.

Infórmese sobre los servicios del Deep Learning Institute de NVIDIA.

Si tiene preguntas técnicas, consulte los Foros de Desarrolladores de NVIDIA.

Workshops a Cargo de Instructores Aspectos Básicos de la Computación Acelerada con CUDA Python

Objetivos de Aprendizaje

Esquema del Workshop

Detalles del Workshop

PRÓXIMOS WORKSHOPS PÚBLICOS

Martes, 13 de marzo de 2021

Miércoles, 24 de marzo de 2021

Próximos Workshops Públicos

Europa/Oriente Medio/África

PREGUNTAS?

Comunícate con nosotros si tienes preguntas sobre Capacitación de Deep Learning

Lea nuestras preguntas frecuentes.

Infórmese sobre los servicios del Deep Learning Institute de NVIDIA.

Si tiene preguntas técnicas, consulte los Foros de Desarrolladores de NVIDIA.

Workshops a Cargo de Instructores
Aspectos Básicos de la Computación Acelerada con CUDA Python

Comunícate con nosotros si tienes preguntas sobre
Capacitación de Deep Learning