Los de uitdagingen op met krachtige GPU’s. Vaardigheidsontwikkeling op het gebied van high-performance computing en toegepast op veel gebieden.
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
De stage is bedoeld voor datawetenschappers en softwareontwikkelaars die geïnteresseerd zijn in het maken van software die gebruik maakt van beschikbare hardware. De studenten zullen worden blootgesteld aan CUDA en de bibliotheken waarmee veel berekeningen tegelijkertijd en snel kunnen worden uitgevoerd.
De leerlingen zullen ten minste twee projecten uitvoeren waarmee ze op CUDA gebaseerde oplossingen voor beeld-/signaalverwerking kunnen verkennen, evenals een onderwerp naar keuze dat verband kan houden met hun huidige of toekomstige professionele carrière.
Ze zullen ook korte demo’s van hun inspanningen maken en hun code delen.
Wat je gaat leren: Studenten leren parallelle software te ontwikkelen in de programmeertalen Python en C/C++. Studenten verwerven een basisniveau van inzicht in GPU-hardware- en softwarestructuren.
Wat je gaat leren: Studenten leren het CUDA-framework gebruiken om C/C++-software te schrijven die draait op Nvidia CPU’s en GPU’s. Studenten zullen sequentiële algoritmen en projecten omzetten in CUDA-opdrachten die honderden tot duizenden keren tegelijkertijd worden uitgevoerd op GPU-hardware.
Wat je gaat leren: Studenten leren software te ontwikkelen die kan worden uitgevoerd in computeromgevingen met meerdere CPU’s en GPU’s. Studenten zullen software ontwikkelen die CUDA gebruikt om interactieve GPU-berekeningscode te creëren voor asynchrone gegevensverwerking.
Wat je gaat leren: Hoe software te ontwikkelen die geavanceerde wiskundige bewerkingen uitvoert met behulp van bibliotheken zoals cuFFT en cuBLAS. Hoe u de Thrust-bibliotheek kunt gebruiken om een verscheidenheid aan gegevensmanipulaties en gegevensstructuren uit te voeren die geheugenbeheer verbergen. Hoe multifunctionele machine learning-software te ontwikkelen met behulp van neurale netwerken die de cuTensor- en cuDNN-bibliotheken modelleren.
