Online GPU Training in Italia

Huawei Ascend è una famiglia di processori AI progettati per inferenza e addestramento a alta prestazione.

Questo corso interattivo guidato da un istruttore (online o in sede) si rivolge a ingegneri AI intermediari e scienziati dei dati che desiderano sviluppare e ottimizzare modelli di reti neurali utilizzando la piattaforma Ascend di Huawei e lo strumento CANN.

Al termine del corso, i partecipanti saranno in grado di:

• Configurare l'ambiente di sviluppo CANN.
• Sviluppare applicazioni AI utilizzando MindSpore e flussi di lavoro CloudMatrix.
• Ottimizzare le prestazioni su Ascend NPUs utilizzando operatori personalizzati e tiling.
• Distribuire modelli in ambienti edge o cloud.

Formato del Corso

• Lecture interattive e discussioni.
• Utilizzo pratico di Huawei Ascend e strumento CANN in applicazioni di esempio.
• Esercizi guidati focalizzati sulla costruzione, addestramento e distribuzione dei modelli.

Opzioni per la Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sulle vostre infrastrutture o dataset, contattateci per organizzare.

Huawei’s AI stack — from the low-level CANN SDK to the high-level MindSpore framework — offers a tightly integrated AI development and deployment environment optimized for Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level technical professionals who wish to understand how the CANN and MindSpore components work together to support AI lifecycle management and infrastructure decisions.

By the end of this training, participants will be able to:

• Understand the layered architecture of Huawei’s AI compute stack.
• Identify how CANN supports model optimization and hardware-level deployment.
• Evaluate the MindSpore framework and toolchain in relation to industry alternatives.
• Position Huawei's AI stack within enterprise or cloud/on-prem environments.

Format of the Course

• Interactive lecture and discussion.
• Live system demos and case-based walkthroughs.
• Optional guided labs on model flow from MindSpore to CANN.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare OpenACC per programmare dispositivi eterogenei e sfruttarne il parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa OpenACC SDK, un dispositivo che supporti OpenACC e Visual Studio Code.
• Creare un programma OpenACC di base che esegua l'addizione vettoriale sul dispositivo e recuperi i risultati dalla memoria del dispositivo.
• Utilizzare le direttive e le clausole OpenACC per annotare il codice e specificare le aree parallele, lo spostamento dei dati e le opzioni di ottimizzazione.
• Utilizza l'API OpenACC per interrogare le informazioni sul dispositivo, impostare il numero del dispositivo, gestire gli errori e sincronizzare gli eventi.
• Utilizza le librerie OpenACC e le funzionalità di interoperabilità per integrare OpenACC con altri modelli di programmazione, ad esempio CUDA, OpenMP e MPI.
• Utilizza gli strumenti OpenACC per profilare ed eseguire il debug dei programmi OpenACC e identificare i colli di bottiglia e le opportunità delle prestazioni.
• Ottimizza i programmi OpenACC utilizzando tecniche come la localizzazione dei dati, la fusione del loop, la fusione del kernel e l'ottimizzazione automatica.

The CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.

By the end of this training, participants will be able to:

• Deploy and optimize CV and NLP models using CANN and AscendCL.
• Use CANN tools to convert models and integrate them into live pipelines.
• Optimize inference performance for tasks like detection, classification, and sentiment analysis.
• Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab with model deployment and performance profiling.
• Live pipeline design using real CV and NLP use cases.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano apprendere le basi della programmazione GPU e i principali framework e strumenti per lo sviluppo di applicazioni GPU.

• Al termine di questa formazione, i partecipanti saranno in grado di:
  Comprendere la differenza tra CPU e GPU computing e i vantaggi e le sfide della programmazione GPU.
• Scegliere il framework e lo strumento giusti per l'applicazione GPU.
• Creare un programma di base GPU che esegua l'addizione vettoriale utilizzando uno o più framework e strumenti.
• Utilizzare le rispettive API, linguaggi e librerie per eseguire query sulle informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare i rispettivi spazi di memoria, ad esempio globale, locale, costante e privato, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i rispettivi modelli di esecuzione, ad esempio elementi di lavoro, gruppi di lavoro, thread, blocchi e griglie, per controllare il parallelismo.
• Esegui il debug e il test di GPU programmi utilizzando strumenti come CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Ottimizza GPU i programmi utilizzando tecniche quali coalescenza, memorizzazione nella cache, prelettura e profilatura.

CANN TIK (Tensor Instruction Kernel) and Apache TVM enable advanced optimization and customization of AI model operators for Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at advanced-level system developers who wish to build, deploy, and tune custom operators for AI models using CANN’s TIK programming model and TVM compiler integration.

By the end of this training, participants will be able to:

• Write and test custom AI operators using the TIK DSL for Ascend processors.
• Integrate custom ops into the CANN runtime and execution graph.
• Use TVM for operator scheduling, auto-tuning, and benchmarking.
• Debug and optimize instruction-level performance for custom computation patterns.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on coding of operators using TIK and TVM pipelines.
• Testing and tuning on Ascend hardware or simulators.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare framework diversi per la programmazione GPU e confrontarne le funzionalità, le prestazioni e la compatibilità.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configura un ambiente di sviluppo che includa OpenCL SDK, CUDA Toolkit, ROCm Platform, un dispositivo che supporti OpenCL, CUDA o ROCm e Visual Studio Code.
• Creare un programma di base GPU che esegua l'addizione vettoriale utilizzando OpenCL, CUDA e ROCm e confrontare la sintassi, la struttura e l'esecuzione di ciascun framework.
• Utilizza le rispettive API per eseguire query sulle informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare i rispettivi linguaggi per scrivere kernel che vengono eseguiti sul dispositivo e manipolano i dati.
• Utilizzare le rispettive funzioni, variabili e librerie predefinite per eseguire attività e operazioni comuni.
• Utilizzare i rispettivi spazi di memoria, ad esempio globale, locale, costante e privato, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i rispettivi modelli di esecuzione per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test di GPU programmi utilizzando strumenti come CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Ottimizza GPU i programmi utilizzando tecniche quali coalescenza, memorizzazione nella cache, prelettura e profilatura.

CloudMatrix è la piattaforma unificata di sviluppo e distribuzione AI di Huawei progettata per supportare pipeline di inferenza scalabili e adatte alla produzione.

Questo corso interattivo guidato da un istruttore (online o sul posto) si rivolge a professionisti AI di livello principiante a intermedio che desiderano distribuire e monitorare modelli AI utilizzando la piattaforma CloudMatrix con integrazione CANN e MindSpore.

Al termine del corso, i partecipanti saranno in grado di:

• Utilizzare CloudMatrix per l'imballaggio, la distribuzione e il servizio dei modelli.
• Convertire ed ottimizzare modelli per chipset Ascend.
• Configurare pipeline per task di inferenza in tempo reale e batch.
• Monitorare le distribuzioni e regolare le prestazioni nei contesti di produzione.

Formato del Corso

• Lectura interattiva e discussione.
• Utilizzo pratico di CloudMatrix con scenari di distribuzione reali.
• Esercizi guidati focalizzati sulla conversione, ottimizzazione e scalabilità.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso basato sulla tua infrastruttura AI o ambiente cloud, contattaci per organizzare la sessione.

Huawei's Ascend CANN toolkit enables powerful AI inference on edge devices such as the Ascend 310. CANN provides essential tools for compiling, optimizing, and deploying models where compute and memory are constrained.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and integrators who wish to deploy and optimize models on Ascend edge devices using the CANN toolchain.

By the end of this training, participants will be able to:

• Prepare and convert AI models for Ascend 310 using CANN tools.
• Build lightweight inference pipelines using MindSpore Lite and AscendCL.
• Optimize model performance for limited compute and memory environments.
• Deploy and monitor AI applications in real-world edge use cases.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work with edge-specific models and scenarios.
• Live deployment examples on virtual or physical edge hardware.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano installare e utilizzare ROCm su Windows per programmare AMD GPU e sfruttarne il parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa la piattaforma ROCm, un AMD GPU e Visual Studio Code su Windows.
• Creare un programma ROCm di base che esegua l'addizione vettoriale su GPU e recuperi i risultati dalla memoria GPU.
• Utilizza l'API ROCm per interrogare le informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare il linguaggio HIP per scrivere kernel che vengono eseguiti su GPU e manipolano i dati.
• Utilizzare le funzioni, le variabili e le librerie predefinite di HIP per eseguire attività e operazioni comuni.
• Utilizzare gli spazi di memoria ROCm e HIP, ad esempio globale, condiviso, costante e locale, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i modelli di esecuzione ROCm e HIP per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test dei programmi ROCm e HIP utilizzando strumenti come ROCm Debugger e ROCm Profiler.
• Ottimizza i programmi ROCm e HIP utilizzando tecniche come la coalescenza, la memorizzazione nella cache, il prefetching e la profilazione.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare ROCm e HIP per programmare AMD GPU e sfruttarne il parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa la piattaforma ROCm, un codice AMD GPU e Visual Studio.
• Creare un programma ROCm di base che esegua l'addizione vettoriale su GPU e recuperi i risultati dalla memoria GPU.
• Utilizza l'API ROCm per interrogare le informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare il linguaggio HIP per scrivere kernel che vengono eseguiti su GPU e manipolano i dati.
• Utilizzare le funzioni, le variabili e le librerie predefinite di HIP per eseguire attività e operazioni comuni.
• Utilizzare gli spazi di memoria ROCm e HIP, ad esempio globale, condiviso, costante e locale, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i modelli di esecuzione ROCm e HIP per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test dei programmi ROCm e HIP utilizzando strumenti come ROCm Debugger e ROCm Profiler.
• Ottimizza i programmi ROCm e HIP utilizzando tecniche come la coalescenza, la memorizzazione nella cache, il prefetching e la profilazione.

CANN (Compute Architecture for Neural Networks) is Huawei’s AI computing toolkit used to compile, optimize, and deploy AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at beginner-level AI developers who wish to understand how CANN fits into the model lifecycle from training to deployment, and how it works with frameworks like MindSpore, TensorFlow, and PyTorch.

By the end of this training, participants will be able to:

• Understand the purpose and architecture of the CANN toolkit.
• Set up a development environment with CANN and MindSpore.
• Convert and deploy a simple AI model to Ascend hardware.
• Gain foundational knowledge for future CANN optimization or integration projects.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with simple model deployment.
• Step-by-step walkthrough of the CANN toolchain and integration points.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Ascend, Biren e Cambricon sono le principali piattaforme di hardware AI in Cina, ciascuna che offre strumenti unici di accelerazione e profilatura per carichi di lavoro AI a livello produttivo.

Questo training interattivo guidato dall'insegnante (online o sul posto) si rivolge agli ingegneri avanzati di infrastrutture AI e delle prestazioni che desiderano ottimizzare i flussi di lavoro per l'inferenza e il training dei modelli su diverse piattaforme di chip AI cinesi.

Al termine di questo corso, i partecipanti saranno in grado di:

• Benchmarkare i modelli sulle piattaforme Ascend, Biren e Cambricon.
• Identificare le bottlenecks del sistema e le inefficienze della memoria/calcolo.
• Applicare ottimizzazioni a livello di grafico, kernel e operatore.
• Tunare i pipeline di deploy per migliorare la throughput e la latenza.

Formato del Corso

• Lecture interattiva e discussioni.
• Uso pratica degli strumenti di profilatura ed ottimizzazione su ogni piattaforma.
• Esercizi guidati focalizzati su scenari pratici di tuning.

Opzioni per la Personalizzazione del Corso

• Per richiedere un training personalizzato basato sul vostro ambiente delle prestazioni o tipo di modello, contattateci per organizzare.

CANN SDK (Compute Architecture for Neural Networks) is Huawei’s AI compute foundation that allows developers to fine-tune and optimize the performance of deployed neural networks on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI developers and system engineers who wish to optimize inference performance using CANN’s advanced toolset, including the Graph Engine, TIK, and custom operator development.

By the end of this training, participants will be able to:

• Understand CANN's runtime architecture and performance lifecycle.
• Use profiling tools and Graph Engine for performance analysis and optimization.
• Create and optimize custom operators using TIK and TVM.
• Resolve memory bottlenecks and improve model throughput.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with real-time profiling and operator tuning.
• Optimization exercises using edge-case deployment examples.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Le architetture cinesi GPU come Huawei Ascend, Biren e Cambricon MLU offrono alternative a CUDA adattate ai mercati locali di IA e HPC.

Questo corso interattivo guidato dal formatore (in linea o sul posto) è rivolto a programmatori esperti GPU e specialisti dell'infrastruttura che desiderano migrare ed ottimizzare le applicazioni CUDA esistenti per la distribuzione su piattaforme hardware cinesi.

Al termine del corso, i partecipanti saranno in grado di:

• Valutare la compatibilità delle attuali cariche di lavoro CUDA con alternative basate su chip cinesi.
• Migrare le basi di codice CUDA agli ambienti Huawei CANN, Biren SDK e Cambricon BANGPy.
• Confrontare le prestazioni e identificare i punti di ottimizzazione tra piattaforme.
• Risolvere sfide pratiche nel supporto interarchitetture e nella distribuzione.

Formato del Corso

• Lettura interattiva ed esercitazione.
• Esperimenti pratici di traduzione di codice e confronto delle prestazioni.
• Esercizi guidati focalizzati su strategie di adattamento multi-GPU.

Opzioni per la Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sulla vostra piattaforma o progetto CUDA, contattateci per organizzare.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare CUDA per programmare NVIDIA GPU e sfruttarne il parallelismo.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa CUDA Toolkit, un codice NVIDIA GPU e Visual Studio.
• Creare un programma CUDA di base che esegua l'addizione vettoriale su GPU e recuperi i risultati dalla memoria GPU.
• Utilizza l'API CUDA per eseguire query sulle informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare il linguaggio CUDA C/C++ per scrivere kernel che vengono eseguiti su GPU e manipolano i dati.
• Utilizza le funzioni, le variabili e le librerie integrate di CUDA per eseguire attività e operazioni comuni.
• Utilizza gli spazi di memoria CUDA, ad esempio globale, condiviso, costante e locale, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare il modello di esecuzione CUDA per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test dei programmi CUDA utilizzando strumenti come CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Ottimizza i programmi CUDA utilizzando tecniche come la coalescenza, la memorizzazione nella cache, il precaricamento e la profilatura.

Il 97% dei clienti soddisfa. 

CANN (Compute Architecture for Neural Networks) is Huawei’s AI compute stack for deploying and optimizing AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and engineers who wish to deploy trained AI models efficiently to Huawei Ascend hardware using the CANN toolkit and tools such as MindSpore, TensorFlow, or PyTorch.

By the end of this training, participants will be able to:

• Understand the CANN architecture and its role in the AI deployment pipeline.
• Convert and adapt models from popular frameworks to Ascend-compatible formats.
• Use tools like ATC, OM model conversion, and MindSpore for edge and cloud inference.
• Diagnose deployment issues and optimize performance on Ascend hardware.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work using CANN tools and Ascend simulators or devices.
• Practical deployment scenarios based on real-world AI models.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Gli AI Accelerators Biren sono GPU ad alto rendimento progettati per carichi di lavoro AI e HPC, con supporto per la formazione a larga scala ed il rilevamento.

Questo training guidato da un istruttore (online o in sede) è rivolto a sviluppatori di livello intermedio a avanzato che desiderano programmare e ottimizzare applicazioni utilizzando la pila proprietaria GPU di Biren, con confronti pratici con ambienti basati su CUDA.

Al termine del training, i partecipanti saranno in grado di:

• Comprendere l'architettura e la gerarchia della memoria GPU di Biren.
• Configurare l'ambiente di sviluppo ed utilizzare il modello di programmazione di Biren.
• Tradurre ed ottimizzare codice stile CUDA per piattaforme Biren.
• Applicare tecniche di tuning delle prestazioni e debugging.

Formato del Corso

• Lectura interattiva e discussione.
• Uso pratica dell'SDK Biren in carichi di lavoro di esempio GPU.
• Esercizi guidati focalizzati sulla porting ed ottimizzazione delle prestazioni.

Opzioni per la Personalizzazione del Corso

• Per richiedere un training personalizzato basato sul vostro stack di applicazioni o esigenze di integrazione, contattateci per organizzare.

Le Cambricon MLUs (Machine Learning Unità) sono chip AI specializzati ottimizzati per l'inferenza e il training in scenari di edge computing e data center.

Questo corso live guidato da un istruttore (online o sul posto) è rivolto a sviluppatori intermedio che desiderano creare e distribuire modelli AI utilizzando il framework BANGPy e l'SDK Neuware sui chip Cambricon MLU.

Al termine di questo corso, i partecipanti saranno in grado di:

• Configurare gli ambienti di sviluppo per BANGPy e Neuware.
• Sviluppare ed ottimizzare modelli basati su Python e C++ per Cambricon MLUs.
• Distribuire i modelli a dispositivi edge e data center che eseguono il runtime Neuware.
• Integrare i flussi di lavoro ML con funzionalità di accelerazione specifiche di MLU.

Formato del Corso

• Lectura interattiva e discussione.
• Utilizzo pratica di BANGPy e Neuware per lo sviluppo e la distribuzione.
• Esercizi guidati focalizzati sull'ottimizzazione, l'integrazione e il testing.

Opzioni di Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sul vostro modello di dispositivo Cambricon o caso d'uso, contattateci per organizzare la sessione.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli amministratori di sistema principianti e ai professionisti IT che desiderano installare, configurare, gestire e risolvere i problemi degli ambienti CUDA.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere l'architettura, i componenti e le funzionalità di CUDA.
• Installare e configurare gli ambienti CUDA.
• Gestisci e ottimizza le risorse CUDA.
• Esegui il debug e risolvi i problemi comuni di CUDA.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare OpenCL per programmare dispositivi eterogenei e sfruttarne il parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa OpenCL SDK, un dispositivo che supporti OpenCL e Visual Studio Code.
• Creare un programma di base OpenCL che esegua l'addizione vettoriale sul dispositivo e recuperi i risultati dalla memoria del dispositivo.
• Utilizzare l'API OpenCL per eseguire query sulle informazioni sul dispositivo, creare contesti, code di comandi, buffer, kernel ed eventi.
• Utilizzare il linguaggio OpenCL C per scrivere kernel che vengono eseguiti sul dispositivo e manipolano i dati.
• Utilizzare OpenCL funzioni, estensioni e librerie integrate per eseguire attività e operazioni comuni.
• Utilizzare i modelli di memoria host e dispositivo OpenCL per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare il modello di esecuzione OpenCL per controllare gli elementi di lavoro, i gruppi di lavoro e gli intervalli ND.
• Esegui il debug e il test di OpenCL programmi utilizzando strumenti come CodeXL, Intel VTune e NVIDIA Nsight.
• Ottimizza OpenCL i programmi utilizzando tecniche come la vettorizzazione, lo srotolamento dei loop, la memoria locale e la profilazione.

Questa formazione guidata dal docente in Italia (online o presenza) è rivolta a sviluppatori di livello intermedio che desiderano utilizzare CUDA per creare applicazioni Python che si eseguono in parallelo sui processori NVIDIA GPU.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Utilizzare il compilatore Numba per accelerare le applicazioni Python in esecuzione su NVIDIA GPU.
• Creare, compilare e avviare kernel CUDA personalizzati.
• Gestire la memoria GPU.
• Convertire un'applicazione basata su CPU in un'applicazione accelerata da GPU.

Questo corso di formazione dal vivo con istruttore in Italia illustra come programmare GPU per il calcolo parallelo, come utilizzare varie piattaforme, come lavorare con la piattaforma CUDA e le sue funzionalità e come eseguire varie tecniche di ottimizzazione utilizzando CUDA. Alcune delle applicazioni includono deep learning, analisi, elaborazione delle immagini e applicazioni ingegneristiche.