Capacitación en línea de GPU en Costa Rica

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

Este curso en vivo con instrucción presencial (en línea o en las instalaciones) está dirigido a ingenieros de IA y científicos de datos de nivel intermedio que deseen desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al finalizar este curso, los participantes serán capaces de:

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

Formato del curso

• Conferencia interactiva y discusión en grupo.
• Práctica directa con Huawei Ascend y el kit de herramientas CANN en aplicaciones de ejemplo.
• Ejercicios guiados centrados en la construcción, entrenamiento e implementación de modelos.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su infraestructura o conjuntos de datos, por favor contáctenos para coordinarla.

La pila de IA de Huawei, desde el SDK de bajo nivel CANN hasta el framework de alto nivel MindSpore, ofrece un entorno de desarrollo e implementación de IA estrechamente integrado, optimizado para el hardware Ascend.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales técnicos de nivel principiante a intermedio que deseen comprender cómo los componentes CANN y MindSpore trabajan juntos para respaldar la gestión del ciclo de vida de la IA y las decisiones de infraestructura.

Al finalizar esta capacitación, los participantes podrán:

• Comprender la arquitectura en capas de la pila de cómputo de IA de Huawei.
• Identificar cómo CANN admite la optimización de modelos y la implementación a nivel de hardware.
• Evaluar el framework MindSpore y su conjunto de herramientas en relación con las alternativas de la industria.
• Ubicar la pila de IA de Huawei dentro de entornos empresariales o de nube/instalación propia (on-prem).

Formato del Curso

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

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinar.

Esta formación en vivo, impartida por un instructor, en <ubicación> (en línea o en las instalaciones), está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar 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 el código con directivas y cláusulas de OpenACC.
• Utilizar la API y las bibliotecas de OpenACC.
• Perfilizar, depurar y optimizar programas de OpenACC.

El SDK CANN (Compute Architecture for Neural Networks) ofrece herramientas potentes de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN (Procesamiento de Lenguaje Natural), 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 desean construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en producción.

Al finalizar esta formación, 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 vivo.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir pipelines de CV/PLN en tiempo real para escenarios de implementación en el edge o en la nube.

Formato del curso

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

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor 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 aprender los conceptos básicos de la programación GPU y los principales marcos de trabajo y herramientas para desarrollar aplicaciones GPU.

• Al finalizar esta formación, los participantes podrán:
  Comprender la diferencia entre la computación CPU y GPU, y los beneficios y desafíos de la programación GPU.
• 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.
• Utilizar las API, lenguajes y bibliotecas respectivas para consultar información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar hilos.
• Utilizar los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar los modelos de ejecución respectivos, como elementos de trabajo (work-items), grupos de trabajo (work-groups), hilos, bloques y cuadrículas (grids), 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 coalescencia, almacenamiento en caché, precarga y perfilado.

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

Esta formación en vivo con instrucción presencial (en línea o en sitio) 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 capacitación, los participantes podrán:

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

Formato del Curso

• Conferencia interactiva y demostración.
• Práctica de codificación de operadores utilizando los pipelines de TIK y TVM.
• Pruebas y ajuste en hardware Ascend o simuladores.

Opciones de Personalización del Curso

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

Esta formación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar diferentes marcos de trabajo para la programación de GPU y comparar sus características, rendimiento y compatibilidad.

Al final de esta formación, los participantes serán capaces de:

• Configurar un entorno de desarrollo que incluya el SDK de OpenCL, el Kit de herramientas de CUDA, la Plataforma ROCm, un dispositivo que admita OpenCL, CUDA o ROCm, y Visual Studio Code.
• Crear un programa de GPU básico que realice la suma de vectores utilizando OpenCL, CUDA y ROCm, y comparar la sintaxis, la estructura y la ejecución de cada marco de trabajo.
• Utilizar las API respectivas para consultar la información del dispositivo, asignar y liberar memoria del dispositivo, copiar datos entre el host 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, variables y bibliotecas integradas 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 los accesos 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 el entrelazado, la caché, la prefetching y la perfilación.

CloudMatrix es la plataforma unificada de desarrollo e implementación de IA de Huawei, diseñada para apoyar tuberías de inferencia escalables y de nivel de producción.

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

Al final de esta formación, los participantes podrán:

• Utilizar CloudMatrix para el empaquetado, la implementación y el servicio de modelos.
• Convertir y optimizar modelos para conjuntos de chips Ascend.
• Configurar tuberías para tareas de inferencia en tiempo real y por lotes.
• Supervisar las implementaciones y ajustar el rendimiento en entornos de producción.

Formato del curso

• Conferencias interactivas y discusiones.
• Uso práctico de CloudMatrix con escenarios reales de implementación.
• Ejercicios guiados centrados en la conversión, la optimización y la escalabilidad.

Opciones de personalización del curso

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

El kit de herramientas Ascend CANN de Huawei permite una potente inferencia de IA en dispositivos de borde, como el Ascend 310. CANN proporciona las herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con recursos de cómputo y memoria limitados.

Esta formación impartida por instructores, disponible en formato en vivo (en línea o presencial), 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 de CANN.
• Construir pipelines de inferencia ligeros utilizando 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.
• Prácticas de laboratorio con modelos y escenarios específicos para el borde.
• Ejemplos de despliegue en vivo en hardware de borde virtual o físico.

Opciones de personalización del curso

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

Esta formación en vivo con instructor en Costa Rica (en línea o presencial) está dirigida a desarrolladores de nivel principiante e intermedio que desean instalar y usar ROCm en Windows para programar GPU de AMD y explotar su paralelismo.

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya la Plataforma ROCm, una GPU de AMD y Visual Studio Code en Windows.
• Crear un programa básico de ROCm que realice la 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 anfitrión 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, variables y bibliotecas integradas 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 utilizando técnicas como coalescencia, almacenamiento en caché, prefetching y perfilado.

Esta formación en vivo con instructores en Costa Rica (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean utilizar ROCm y HIP para programar GPU 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.
• 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, variables y bibliotecas integradas 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 el Depurador de ROCm y el Analizador de ROCm.
• Optimizar programas de ROCm y HIP utilizando técnicas como la coalescencia, el almacenamiento en caché, la anticipación de datos y la perfilación.

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 instructores (en línea o presencial) está dirigida a desarrolladores de IA de nivel principiante que desean comprender cómo CANN se integra en el ciclo de vida del modelo, desde el entrenamiento hasta el despliegue, y cómo interactúa con marcos de trabajo como MindSpore, TensorFlow y PyTorch.

Al finalizar esta formación, los participantes podrán:

• 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 básico en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del curso

• Conferencia interactiva y discusión.
• Prácticas manuales con despliegue de modelos sencillos.
• Guía paso a paso por la cadena de herramientas de 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 las principales plataformas 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 capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a ingenieros de infraestructura y rendimiento de IA de nivel avanzado que desean optimizar los flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips de IA chinos.

Al finalizar esta capacitación, los participantes podrán:

• Realizar pruebas de rendimiento 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 gráfico, de kernel y de operador.
• Configurar las canalizaciones de implementación para mejorar el rendimiento y la latencia.

Formato del curso

• Lección interactiva y discusión.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados centrados en escenarios prácticos de configuración.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su entorno de rendimiento o tipo de modelo, contáctenos para coordinar los detalles.

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

Esta formación en vivo con instrucción directa (en línea o en las instalaciones) está dirigida a desarrolladores de IA y ingenieros de sistemas de nivel avanzado que desean optimizar el rendimiento de la inferencia utilizando la avanzada suite de herramientas de CANN, incluyendo el Motor de Grafos (Graph Engine), TIK y el desarrollo de operadores personalizados.

Al finalizar esta capacitación, los participantes podrán:

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

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de despliegue en casos límite (edge-case).

Opciones de personalización del curso

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

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

Esta formación en vivo, impartida por instructores (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 las alternativas de chips chinos.
• Transferir las bases de código CUDA a los entornos Huawei CANN, Biren SDK y BANGPy de Cambricon.
• Comparar el rendimiento e identificar puntos de optimización entre plataformas.
• Abordar los desafíos prácticos en el soporte multiarquitectura y la implementación.

Formato del curso

• Clase interactiva y discusión.
• Talleres prácticos de traducción de código y comparación de rendimiento.
• Ejercicios guiados centrados en estrategias de adaptación multi-GPU.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su plataforma o proyecto CUDA, contáctenos para coordinarlo.

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

Al finalizar esta formación, los participantes podrán:

• Configurar un entorno de desarrollo que incluya el CUDA Toolkit, una GPU de NVIDIA y Visual Studio Code.
• Crear un programa básico de CUDA que realice una suma de vectores en la GPU y recupere los resultados de 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 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, variables y bibliotecas integradas 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 los accesos 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 utilizando técnicas como la coalescencia, el almacenamiento en caché, la prebúsqueda y el perfilado.

97% de los clientes satisfechos.

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

Esta formación impartida por un instructor, con sesiones en vivo (en línea o presenciales), está dirigida a desarrolladores e ingenieros de IA de nivel intermedio que deseen implementar modelos de IA entrenados de manera eficiente en hardware Huawei Ascend, utilizando la herramienta CANN y otras como MindSpore, TensorFlow o PyTorch.

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Clase interactiva y demostraciones.
• Trabajo práctico de laboratorio utilizando herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios prácticos de implementación basados en modelos de IA del mundo real.

Opciones de personalización del curso

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

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

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

Al finalizar este entrenamiento, los participantes podrán:

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

Formato del curso

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

Opciones de personalización del curso

• Para solicitar un entrenamiento personalizado para este curso basado en su pila de aplicaciones o necesidades de integración, contáctenos para coordinarlo.

Las unidades MLU (Machine Learning Units) de Cambricon son chips de IA especializados, optimizados para inferencia y entrenamiento en entornos de borde y centros de datos.

Esta formación en vivo, impartida por un instructor (online o presencial), está dirigida a desarrolladores de nivel intermedio que deseen crear e implementar modelos de IA utilizando el marco de trabajo BANGPy y el SDK de Neuware en hardware MLU de Cambricon.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y preparar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para unidades MLU de Cambricon.
• Implementar modelos en dispositivos de borde y centros de datos que ejecuten el tiempo de ejecución de Neuware.
• Integrar flujos de trabajo de aprendizaje automático con las funciones de aceleración específicas de MLU.

Formato del curso

• Conferencia interactiva y debate.
• Uso práctico de BANGPy y Neuware para 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 su modelo de dispositivo Cambricon o caso de uso, contáctenos para coordinarlo.

Esta capacitación en vivo, impartida por un instructor, en Costa Rica (en línea o presencial), está dirigida a administradores de sistemas y profesionales de TI de nivel principiante que desean instalar, configurar, gestionar y solucionar problemas de entornos CUDA.

Al finalizar esta capacitación, los participantes serán capaces de:

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

Al final de 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 desde la memoria del dispositivo.
• Utilizar la API de OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, búferes, kernels y eventos.
• Usar 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.
• Aplicar los modelos de memoria del host y del dispositivo de OpenCL para optimizar las transferencias de datos y los accesos a la memoria.
• Utilizar el modelo de ejecución de OpenCL para controlar los elementos de trabajo (work-items), grupos de trabajo y rangos ND.
• 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 desenrollado de bucles, el uso de memoria local y el perfilado (profiling).

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