آموزش CUDA در مقیاس سازمانی

آنچه یاد خواهید گرفت:

• دانشجویان یاد خواهند گرفت که نرم‌افزارهایی را توسعه دهند که بتوانند در محیط‌های محاسباتی شامل چندین CPU و GPU اجرا شوند.
• دانشجویان نرم‌افزاری را توسعه خواهند داد که از CUDA برای ایجاد کرنل‌های پردازش محاسباتی GPU تعاملی برای مدیریت داده‌های ناهمزمان استفاده می‌کند.
• دانشجویان از CUDA، قابلیت‌های حافظه سخت‌افزاری و الگوریتم‌ها/کتابخانه‌ها برای حل چالش‌های برنامه‌نویسی از جمله پردازش تصویر استفاده خواهند کرد.

توضیحات دوره:

این دوره به دانشجویان کمک می‌کند تا مفاهیمی را بیاموزند که استفاده از پردازنده‌های گرافیکی (GPU) و پردازنده‌های مرکزی (CPU) را فراتر از رایج‌ترین نصب‌های پردازنده‌های گرافیکی در سطح consumer، در مقیاس وسیع‌تری مدیریت می‌کنند. آنها یاد خواهند گرفت که چگونه گردش کارهای غیرهمزمان را مدیریت کنند، رویدادها را برای کپسوله‌سازی انتقال داده و سیگنال‌های کنترل ارسال و دریافت کنند. همچنین، دانشجویان به کاربرد GPUها در مرتب‌سازی داده‌ها و پردازش تصاویر خواهند پرداخت و نرم‌افزار خود را با استفاده از این تکنیک‌ها و کتابخانه‌ها پیاده‌سازی خواهند کرد.

در پایان دوره، شما قادر خواهید بود کارهای زیر را انجام دهید:

- توسعه نرم‌افزاری که می‌تواند از چندین CPU و GPU استفاده کند.

- توسعه نرم‌افزاری که از قابلیت رویدادها و استریم های CUDA برای ایجاد گردش کارهای غیرهمزمان استفاده می‌کند.

- استفاده از مدل محاسباتی CUDA برای حل چالش‌های برنامه‌نویسی کانونی از جمله مرتب‌سازی داده‌ها و پردازش تصویر.

برای موفقیت در این دوره، شما باید درک درستی از برنامه‌نویسی موازی و تجربه برنامه‌نویسی در C++/C داشته باشید.

این دوره برای توسعه‌دهندگان نرم‌افزار و دانشمندان داده که در زمینه‌های محاسبات با عملکرد بالا، پردازش داده و یادگیری ماشین کار می‌کنند، بسیار کاربردی خواهد بود.