台灣現場GPU培訓

此於 台灣 舉辦的導師主導培訓課程（線上或線下），專為初級至中級的開發人員設計，讓他們學習如何使用 OpenACC 為異構裝置撰寫程式並發揮其平行運算能力。

完成本培訓後，參與者將能夠：

• 建置 OpenACC 開發環境。
• 編寫並執行基本的 OpenACC 程式。
• 以 OpenACC 指示詞與子句注解程式碼。
• 使用 OpenACC API 與函式庫。
• 為 OpenACC 程式進行效能分析、除錯與最佳化。

本課程為由講者主講的即時培訓（台灣，線上或線下），旨在幫助初級至中級的開發人員學習 GPU 程式設計的基礎知識，以及開發 GPU 應用程式的主要框架與工具。

• 完成本培訓後，參與者將能夠：
  理解 CPU 與 GPU 運算之間的差異，並了解 GPU 程式設計的好處與挑戰。
• 為自己的 GPU 應用程式選擇合適的框架與工具。
• 建立一個基本的 GPU 程式，使用一至多個框架或工具執行向量加法。
• 使用對應的 API、語言和函式庫來查詢裝置資訊、配置與釋放裝置記憶體、在主機與裝置間複製資料、啟動核心（kernels）以及同步執行緒。
• 運用各種記憶體空間，例如全域、區域、常數和私有，以最佳化資料傳輸和記憶體存取。
• 使用不同的執行模型，如工作項目、工作群組、執行緒、區塊和網格，來控制平行處理。
• 使用 CodeXL、CUDA-GDB、CUDA-MEMCHECK 和 NVIDIA Nsight 等工具偵錯與測試 GPU 程式。
• 利用合併、快取、預取和效能分析等技術最佳化 GPU 程式。

這門在 台灣（線上或線下）舉辦、由講師帶領的實訓課程，針對希望使用不同架構進行 GPU 程式設計，並比較其功能、效能與相容性的初級至中階開發者。

完成本課程後，學員將能夠：

• 設定包含 OpenCL SDK、CUDA Toolkit、ROCm Platform、支援 OpenCL、CUDA 或 ROCm 的裝置以及 Visual Studio Code 的開發環境。
• 建立執行向量加法的基礎 GPU 程式，使用 OpenCL、CUDA 和 ROCm，並比較各個架構的語法、結構與執行方式。
• 使用各自的 API 查詢裝置資訊、配置與釋放裝置記憶體、在主機與裝置間複製資料、啟動核心（kernels）以及同步線程。
• 使用各自的語言撰寫在裝置上執行的核心並操作資料。
• 使用各自的內建函數、變數和程式庫執行常見任務與運算。
• 使用各自的記憶體空間，如全域、區域、常數和私有空間，來最佳化資料傳輸與記憶體存取。
• 使用各自的執行模型控制定義平行性的線程、區塊和網格。
• 使用 CodeXL、CUDA-GDB、CUDA-MEMCHECK 和 NVIDIA Nsight 等工具進行 GPU 程式的除錯與測試。
• 使用組合式記憶體存取、快取、預取和效能剖析（profiling）等技術來最佳化 GPU 程式。

本培訓為講師主導的實體（台灣）課程（線上或線下），旨在協助初級至中級的開發者安裝及使用 ROCm on Windows，進而對 AMD GPU 進行程式設計並發揮其平行運算能力。

完成本培訓後，學員將能夠：

• 設定包含 ROCm Platform、AMD GPU 以及 Visual Studio Code 的開發環境於 Windows 上。
• 建立基礎的 ROCm 程式，在 GPU 上執行向量加法並從 GPU 記憶體中擷取結果。
• 使用 ROCm API 查詢裝置資訊、配置與釋放裝置記憶體、複製主機與裝置間的資料、啟動核心（kernels）以及同步線程。
• 使用 HIP 語言編寫在 GPU 上執行並處理資料的核心程式。
• 使用 HIP 的內建函數、變數及函式庫來執行常見任務與操作。
• 利用 ROCm 和 HIP 的記憶體空間（如全域、共用、常數和本地），以最佳化資料傳輸與記憶體存取。
• 使用 ROCm 和 HIP 的執行模型來控制定義平行化的線程、區塊和網格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具，對 ROCm 和 HIP 程式進行除錯與測試。
• 運用合併存取、快取、預取以及分析等技術，最佳化 ROCm 和 HIP 程式。

本培訓為講師主導的即時課程，在 台灣（線上或下線）進行，針對希望使用 ROCm 和 HIP 來進行 AMD GPU 程式設計並發揮其平行運算潛力的初級至中級開發者。

完成本培訓後，參與者將能夠：

• 設定包含 ROCm 平台、AMD GPU 以及 Visual Studio Code 的開發環境。
• 建立基本的 ROCm 程式，在 GPU 上執行向量加法並將結果從 GPU 記憶體擷取回來。
• 使用 ROCm API 查詢裝置資訊、配置與釋放裝置記憶體、在主機與裝置間複製資料、啟動核心以及同步執行緒。
• 使用 HIP 語言編寫在 GPU 上執行的核心並操作資料。
• 使用 HIP 內建函式、變數和函式庫來完成常見任務與操作。
• 使用 ROCm 和 HIP 的記憶體空間（如全域、共用、常數和本地）來最佳化資料傳輸與記憶體存取。
• 使用 ROCm 和 HIP 的執行模型來控制定義平行性的執行緒、區塊和網格。
• 使用如 ROCm Debugger 和 ROCm Profiler 等工具除錯與測試 ROCm 和 HIP 程式。
• 使用聯合存取、快取、預取及效能分析等技术最佳化 ROCm 和 HIP 程式。

此 台灣（線上或線下）由講師主導的即時培訓，針對希望使用 CUDA 程式設計 NVIDIA GPU 並發揮其平行運算能力的初級至中級開發者而設計。

完成本培訓後，學員將能夠：

• 設定包含 CUDA Toolkit、NVIDIA GPU 及 Visual Studio Code 的開發環境。
• 建立基本的 CUDA 程式，在 GPU 上執行向量加法並從 GPU 記憶體中擷取結果。
• 使用 CUDA API 查詢裝置資訊、配置與釋放裝置記憶體、在主機與裝置間複製資料、啟動核心（kernels）以及同步處理程序（threads）。
• 使用 CUDA C/C++ 語言撰寫在 GPU 上執行並操作資料的核心。
• 使用 CUDA 內建函數、變數及函式庫來完成常見任務與運算。
• 運用全域（global）、共用（shared）、常數（constant）和本地（local）等 CUDA 記憶體空間，最佳化資料傳輸與記憶體存取。
• 使用 CUDA 執行模型來控制定義平行化的處理程序、區塊和網格。
• 使用 CUDA-GDB、CUDA-MEMCHECK 及 NVIDIA Nsight 等工具偵錯與測試 CUDA 程式。
• 運用合併存取（coalescing）、快取（caching）、預取（prefetching）及效能分析（profiling）等技術最佳化 CUDA 程式。

97% de clients satisfaits. 

這項在 台灣（線上或線下）舉辦、由講師指導的即時培訓，旨在幫助初級系統管理員和 IT 專業人員安裝、配置、管理及排除 CUDA 環境的故障。

完成本培訓後，學員將能夠：

• 了解 CUDA 的架構、組件和功能。
• 安裝並配置 CUDA 環境。
• 管理和優化 CUDA 資源。
• 調試及排除常見 CUDA 問題。

此講師帶領的即時培訓在台灣（線上或線下）舉行。 對象為初級至中級的開發者。 他們希望使用OpenCL來程式設計異質裝置並發揮其平行運算能力。

完成培訓後，參與者將能夠：

• 建立開發環境，包含OpenCL SDK、支援OpenCL的裝置以及Visual Studio Code。
• 建立基本的OpenCL程式，在裝置上執行向量加法並將結果從裝置記憶體讀取回主機。
• 使用OpenCL API查詢裝置資訊。 建立內容、命令佇列、緩衝區、核心和事件。
• 使用OpenCL C語言編寫在裝置上執行的核心，並操作資料。
• 使用OpenCL內建函數、擴展庫和常式庫執行常見任務和操作。
• 利用OpenCL主機與裝置記憶體模型來最佳化資料傳輸和記憶體存取。
• 使用OpenCL執行模型控制工作項目、工作群組及ND範圍。
• 使用CodeXL、Intel VTune和NVIDIA Nsight等工具來調試和測試OpenCL程式。
• 透過向量化、迴路解開、本地記憶體和性能分析技術來最佳化OpenCL程式。

這門在台灣（線上或線下）舉辦的由講師帶領的即時培訓課程，主要針對那些希望使用CUDA來加速應用程式、編寫高效能GPU核處理序，並利用並列演算法函式庫進行科學運算、資料處理以及機器學習負載的C++開發者。

此由講師主導的 台灣 (線上或线下) 培訓旨在協助 C/C++ 開發人員使用 CUDA 加速計算密集型應用程式，包括資料處理、科學模擬、機器學習負載及影像處理流程。

本課程為由導師帶領的實作培訓，地點在 台灣（線上或線下），旨在幫助軟體開發人員、數據分析師及技術專業人士掌握使用 TensorFlow 2.x 與 Keras 建構、訓練並部署深度學習模型以處理電腦視覺、自然語言處理和多模態應用的技能。

這門於 台灣 舉辦的講師帶領現場培訓課程，涵蓋 GPU 平行運算的程式設計方法、如何使用各種平台、如何操作 CUDA 平台及其功能，以及如何運用 CUDA 執行多種最佳化技術。應用領域包含深度學習、數據分析、影像處理及工程應用等。