GPU Schulungen in Genf

Huawei Ascend ist eine Familie von KI-Prozessoren, die für Hochleistungs-Inferenz und -Training entwickelt wurden.

Diese instructor-led Live-Schulung (online oder vor Ort) richtet sich an KI-Ingenieure und Data Scientists auf mittlem Niveau, die neuronale Netzwerkmodelle mit der Huawei-Ascend-Plattform und dem CANN-Toolkit entwickeln und optimieren möchten.

Am Ende dieser Schulung können Teilnehmer:

• die CANN-Entwicklungsumgebung einrichten und konfigurieren.
• KI-Anwendungen mit MindSpore- und CloudMatrix-Workflows entwickeln.
• die Leistung auf Ascend-NPUs durch benutzerdefinierte Operatoren und Tiling optimieren.
• Modelle in Edge- oder Cloud-Umgebungen bereitstellen.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praxisnahe Anwendung der Huawei Ascend-Plattform und des CANN-Toolkits in Beispielanwendungen.
• Geführte Übungen zur Modellentwicklung, zum Training und zur Bereitstellung.

Optionen zur Kursanpassung

• Um eine auf Ihre Infrastruktur oder Ihre Datenbanken zugeschnittene Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Der KI-Stack von Huawei – vom niedrigen CANN-SDK bis zum hochrangigen MindSpore-Framework – bietet eine eng integrierte Umgebung für die Entwicklung und Bereitstellung von KI, optimiert für Ascend-Hardware.

Diese instructor-led-Live-Schulung (online oder vor Ort) richtet sich an technische Fachkräfte mit Grund- bis Mittelstufenkenntnissen, die verstehen möchten, wie die Komponenten CANN und MindSpore zusammenarbeiten, um das KI-Lebenszyklusmanagement und Infrastruktur-Entscheidungen zu unterstützen.

Am Ende dieser Schulung können Teilnehmer:

• Die schichtbasierte Architektur von Huaweis KI-Compute-Stack verstehen.
• Identifizieren, wie CANN die Modelloptimierung und hardwarenahe Bereitstellung unterstützt.
• Das MindSpore-Framework und die Toolchain im Vergleich zu Branchenalternativen bewerten.
• Huaweis KI-Stack in Unternehmen oder Cloud-/On-Prem-Umgebungen positionieren.

Kursformat

• Interaktiver Vortrag und Diskussion.
• Live-System-Demos und Fallbeispiel-basierte Durchläufe.
• Optionale angeleitete Labs zum Modellfluss von MindSpore zu CANN.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese instruktionsgeleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die OpenACC nutzen möchten, um heterogene Geräte zu programmieren und deren Parallelität zu nutzen.

Nach Abschluss dieser Schulung können die Teilnehmer:

• Entwicklungsumgebungen für OpenACC einrichten.
• Eine grundlegende OpenACC-Programm schreiben und ausführen.
• Code mit OpenACC-Anweisungen und Klauseln annotieren.
• OpenACC-API und -Bibliotheken verwenden.
• OpenACC-Programme profilieren, debuggen und optimieren.

Das CANN SDK (Compute Architecture for Neural Networks) bietet leistungsstarke Tools für die Bereitstellung und Optimierung von Echtzeit-KI-Anwendungen im Bereich Computer Vision und NLP, insbesondere auf Huawei-Ascend-Hardware.

Diese Instructor-led-Schulung (online oder vor Ort) richtet sich an KI-Praktiker mit mittlerem Erfahrungsgrad, die Vision- und Sprachmodelle für Produktionsanwendungen mit dem CANN SDK entwickeln, bereitstellen und optimieren möchten.

Am Ende dieser Schulung können Teilnehmer:

• CV- und NLP-Modelle mit CANN und AscendCL bereitstellen und optimieren.
• CANN-Tools nutzen, um Modelle zu konvertieren und in Echtzeit-Pipelines zu integrieren.
• Die Inferenzleistung für Aufgaben wie Objekterkennung, Klassifizierung und Stimmungsanalyse optimieren.
• Echtzeit-CV-/NLP-Pipelines für Edge- oder Cloud-basierte Bereitstellungsszenarien erstellen.

Kursformat

• Interaktive Vorlesung und Demonstration.
• Praxisworkshop mit Modellbereitstellung und Leistungsmessung (Profiling).
• Live-Design von Pipelines anhand realer CV- und NLP-Anwendungsfälle.

Optionen zur Kursanpassung

• Bitte kontaktieren Sie uns, um eine individuelle Schulung für diesen Kurs zu vereinbaren.

Diese instruktorgeführte Live-Schulung in Genf (online oder vor Ort) richtet sich an Entwicklerinnen und Entwickler mit Basis- bis fortgeschrittenem Kenntnissen, die die Grundlagen der GPU-Programmierung sowie die wichtigsten Frameworks und Tools für die Entwicklung von GPU-Anwendungen erlernen möchten.

• Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  Den Unterschied zwischen CPU- und GPU-Rechnen zu verstehen und die Vorteile sowie Herausforderungen der GPU-Programmierung zu erkennen.
• Das passende Framework und Tool für ihre jeweilige GPU-Anwendung auszuwählen.
• Ein grundlegendes GPU-Programm zu erstellen, das eine Vektoraddition mit einem oder mehreren der Frameworks und Tools durchführt.
• Die jeweiligen APIs, Sprachen und Bibliotheken zu nutzen, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernels auszuführen und Threads zu synchronisieren.
• Die verschiedenen Speicherbereiche wie globalen, lokalen, konstanten und privaten Speicher zu verwenden, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Die jeweiligen Ausführungsmodelle, wie Work-Items, Work-Groups, Threads, Blöcke und Grids, einzusetzen, um die Parallelität zu steuern.
• GPU-Programme mit Tools wie CodeXL, CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight zu debuggen und zu testen.
• GPU-Programme durch Techniken wie Coalescing, Caching, Prefetching und Profiling zu optimieren.

CANN TIK (Tensor Instruction Kernel) und Apache TVM ermöglichen fortgeschrittene Optimierung und Anpassung von KI-Modelloperatoren für Huawei Ascend-Hardware.

Dieser live-geleitete Online- oder Vor-Ort-Training ist auf Systementwickler mit fortgeschrittenen Kenntnissen ausgerichtet, die benutzerdefinierte Operatoren für KI-Modelle erstellen, bereitstellen und optimieren möchten, indem sie das TIK-Programmiermodell von CANN und die TVM-Compiler-Integration nutzen.

Am Ende dieses Trainings können Teilnehmer:

• Benutzerdefinierte KI-Operatoren mit der TIK DSL für Ascend-Prozessoren schreiben und testen.
• Benutzerdefinierte Operatoren in die CANN-Laufzeitumgebung und den Ausgabegraphen integrieren.
• TVM für Operator-Scheduling, automatisches Tuning und Benchmarking nutzen.
• Die Leistung auf Instruktionsebene für benutzerdefinierte Berechnungsmuster debuggen und optimieren.

Trainingsformat

• Interaktiver Vortrag und Demonstration.
• Praktisches Programmieren von Operatoren mit TIK- und TVM-Pipelines.
• Testen und Tuning auf Ascend-Hardware oder Simulatoren.

Trainingsanpassungsoptionen

• Für ein maßgeschneidertes Training dieses Kurses kontaktieren Sie uns bitte zur Organisation.

Diese von Instruktoren geleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an Entwicklerinnen und Entwickler der Einstiegs- bis Mittelstufe, die verschiedene Frameworks für die GPU-Programmierung nutzen und deren Funktionen, Leistung und Kompatibilität vergleichen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• Eine Entwicklungsumgebung einzurichten, die das OpenCL SDK, das CUDA Toolkit, die ROCm-Plattform, ein Gerät, das OpenCL, CUDA oder ROCm unterstützt, sowie Visual Studio Code umfasst.
• Ein einfaches GPU-Programm zu erstellen, das eine Vektoraddition mit OpenCL, CUDA und ROCm durchführt, um Syntax, Struktur und Ausführung jedes Frameworks zu vergleichen.
• Die jeweiligen APIs zu nutzen, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernels zu starten und Threads zu synchronisieren.
• Die entsprechenden Sprachen zu verwenden, um Kernels zu schreiben, die auf dem Gerät ausgeführt werden und Daten manipulieren.
• Die eingebauten Funktionen, Variablen und Bibliotheken der jeweiligen Frameworks für gängige Aufgaben und Operationen zu nutzen.
• Die entsprechenden Speicherbereiche – wie global, lokal, konstant und privat – zu verwenden, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Die entsprechenden Ausführungsmodelle zu nutzen, um die Threads, Blöcke und Grids zu steuern, die die Parallelität definieren.
• GPU-Programme mit Tools wie CodeXL, CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight zu debuggen und zu testen.
• GPU-Programme durch Techniken wie Coalescing, Caching, Prefetching und Profiling zu optimieren.

CloudMatrix ist Huaweis einheitliche Plattform für die Entwicklung und Bereitstellung von KI-Lösungen, die darauf ausgelegt ist, skalierbare Inference-Pipelines im Produktionsbetrieb zu unterstützen.

Diese Instructor-led-Veranstaltung (Live-Schulung, online oder vor Ort) richtet sich an KI-Profis mit grundlegenden bis mittleren Kenntnissen, die KI-Modelle mithilfe der CloudMatrix-Plattform mit CANN- und MindSpore-Integration bereitstellen und überwachen möchten.

Nach Abschluss dieser Schulung können Teilnehmer:

• CloudMatrix zur Paketierung, Bereitstellung und zum Serving von Modellen nutzen.
• Modelle für Ascend-Chipsätze konvertieren und optimieren.
• Pipelines für Echtzeit- und Batch-Inference-Aufgaben einrichten.
• Bereitstellungen überwachen und die Performance in Produktionsumgebungen optimieren.

Kursformat

• Interaktive Vorlesungen und Diskussionen.
• Praxisnahe Nutzung von CloudMatrix in realen Bereitstellungsszenarien.
• Angeleitete Übungen zu Konvertierung, Optimierung und Skalierung.

Optionen zur Kursindividualisierung

• Um eine auf Ihre KI-Infrastruktur oder Cloud-Umgebung zugeschnittene Schulung für diesen Kurs anzufordern, setzen Sie sich bitte mit uns in Verbindung, um die Details zu vereinbaren.

Das Ascend CANN Toolkit von Huawei ermöglicht leistungsstarkes KI-Inferenzieren auf Edge-Geräten wie dem Ascend 310. CANN bietet wesentliche Tools zur Kompilierung, Optimierung und Bereitstellung von Modellen in Umgebungen mit begrenzter Rechenleistung und Speicher.

Diese instruktionsgeleitete Live-Schulung (online oder vor Ort) richtet sich an erfahrene KI-Entwickler und Integratoren, die Modelle auf Ascend Edge-Geräten mit der CANN-Toolchain bereitstellen und optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• KI-Modelle für den Ascend 310 mit CANN-Tools vorzubereiten und zu konvertieren.
• Leichtgewichtige Inferenz-Pipelines mit MindSpore Lite und AscendCL zu erstellen.
• Die Modellleistung für Umgebungen mit begrenzter Rechenleistung und Speicher zu optimieren.
• KI-Anwendungen in realen Edge-Einsatzszenarien bereitzustellen und zu überwachen.

Kursformat

• Interaktive Vorlesung und Demonstration.
• Praxisnahe Laboreinheiten mit Edge-spezifischen Modellen und Szenarien.
• Live-Bereitstellungsbeispiele auf virtueller oder physischer Edge-Hardware.

Maßschneiderte Optionen für den Kurs

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Dieser live angebotene Kurs in Genf (online oder vor Ort) richtet sich an Entwicklerinnen und Entwickler mit Anfänger- bis mittlerem Kenntnisstand, die ROCm unter Windows installieren und nutzen möchten, um AMD-GPUs zu programmieren und deren Parallelität auszunutzen.

Nach Abschluss dieses Kurses können die Teilnehmer folgende Aufgaben bewältigen:

• Ein Entwicklungsumgebung einrichten, die ROCm Platform, eine AMD-GPU und Visual Studio Code unter Windows umfasst.
• Ein einfaches ROCm-Programm erstellen, das eine Vektoraddition auf der GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
• Dass ROCm API verwenden, um Geräteinformationen abzufragen, Gerätespeicher zu allokieren und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel auszuführen und Threads zu synchronisieren.
• HIP-Code schreiben, um Kernels zu erstellen, die auf der GPU ausgeführt werden und Daten verarbeiten.
• Built-in-Funktionen, -Variablen und -Bibliotheken von HIP nutzen, um gängige Aufgaben und Operationen durchzuführen.
• Speicherbereiche von ROCm und HIP (global, shared, constant, local) nutzen, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Dass Ausführungsmodelle von ROCm und HIP verwenden, um Threads, Blocks und Grids zu steuern, die die Parallelität definieren.
• ROCm- und HIP-Programme mit Tools wie ROCm Debugger und ROCm Profiler debuggen und testen.
• ROCm- und HIP-Programme mittels Techniken wie Coalescing, Caching, Prefetching und Profiling optimieren.

Diese live dozierende, von einer Lehrperson geleitete Schulung in Genf (online oder vor Ort) richtet sich an Entwicklerinnen und Entwickler der Einsteiger- bis Mittelstufe, die ROCm und HIP zur Programmierung von AMD-GPUs nutzen und deren Parallelität ausschöpfen möchten.

Nach Abschluss dieser Schulung werden die Teilnehmenden in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die die ROCm-Plattform, eine AMD-GPU und Visual Studio Code umfasst.
• Ein grundlegendes ROCm-Programm zu erstellen, das eine Vektoraddition auf der GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
• Dies API zum Abfragen von Gerätschaftsinformationen, zur Allokation und Deallokation des Gerätespeichers, zum Kopieren von Daten zwischen Host und Gerät, zum Starten von Kernels und zum Synchronisieren von Threads zu verwenden.
• HIP-Sprachkonstrukte zur Erstellung von Kernels zu nutzen, die auf der GPU ausgeführt werden und Daten manipulieren.
• Eingebaute Funktionen, Variablen und Bibliotheken von HIP für häufige Aufgaben und Operationen einzusetzen.
• Die Speicherbereiche von ROCm und HIP, wie global, shared, constant und local, zur Optimierung von Datenübertragungen und Speicherzugriffen zu nutzen.
• Die Ausführungsmodelle von ROCm und HIP zu verwenden, um Threads, Blocks und Grids zu steuern, die die Parallelität definieren.
• ROCm- und HIP-Programme mit Tools wie dem ROCm Debugger und ROCm Profiler zu debuggen und zu testen.
• ROCm- und HIP-Programme durch Techniken wie Coalescing, Caching, Prefetching und Profiling zu optimieren.

CANN (Compute Architecture for Neural Networks) ist Huaweis KI-Berechnungstoolkit, das zum Kompilieren, Optimieren und Bereitstellen von KI-Modellen auf Ascend-KI-Prozessoren verwendet wird.

Dieses instructor-led, live Schulung (online oder vor Ort) richtet sich an Anfänger im Bereich der KI-Entwicklung, die verstehen möchten, wie CANN in den Modelllebenszyklus von Training bis zur Bereitstellung integriert ist und mit Frameworks wie MindSpore, TensorFlow und PyTorch zusammenarbeitet.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Den Zweck und die Architektur des CANN-Toolkits zu verstehen.
• Eine Entwicklungsumgebung mit CANN und MindSpore einzurichten.
• Ein einfaches KI-Modell auf Ascend-Hardware zu konvertieren und bereitzustellen.
• Grundlagenwissen für zukünftige CANN-Optimierungs- oder Integrationsprojekte zu gewinnen.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Labs mit einfacher Modellbereitstellung.
• Schritt-für-Schritt-Durchlauf des CANN-Toolchains und der Integrationspunkte.

Optionen zur Kursanpassung

• Um eine angepasste Schulung für diesen Kurs zu beantragen, kontaktieren Sie uns bitte zur Vereinbarung.

Ascend, Biren und Cambricon sind führende KI-Hardwareplattformen in China, die jeweils einzigartige Beschleunigungs- und Profiling-Tools für KI-Arbeitslasten im Produktionsmassstab anbieten.

Diese von Instruktoren geleitete Live-Schulung (online oder vor Ort) richtet sich an KI-Infrastruktur- und Performance-Ingenieure auf fortgeschrittenem Niveau, die Modell-Inference- und Trainingsworkflows über mehrere chinesische KI-Chipplattformen hinweg optimieren möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Modelle auf den Plattformen Ascend, Biren und Cambricon zu benchmarken.
• Systemengpässe sowie Ineffizienzen im Bereich Speicher / Berechnung zu identifizieren.
• Optimierungen auf Graph-, Kernel- und Operator-Ebene anzuwenden.
• Bereitstellungs-Pipelines so abzustimmen, dass Durchsatz und Latenz verbessert werden.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Anwendung von Profiling- und Optimierungstools auf jeder Plattform.
• Geführte Übungen mit Fokus auf praktische Abstimmungsszenarien.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, die auf Ihrer Performance-Umgebung oder Ihrem Modelltyp basiert, kontaktieren Sie uns bitte zur Vereinbarung.

Das CANN SDK (Compute Architecture for Neural Networks) ist die AI-Compute-Basisplattform von Huawei, die Entwicklern ermöglicht, die Leistung deployter neuronaler Netze auf Ascend AI-Prozessoren fein abzustimmen und zu optimieren.

Dieser dozentengestützte, live durchgeführte Lehrgang (online oder vor Ort) richtet sich an fortgeschrittene AI-Entwickler und Systemingenieure, die die Inferenzleistung mithilfe der erweiterten Toolchain von CANN optimieren möchten, wozu die Graph Engine, TIK sowie die Entwicklung benutzerdefinierter Operatoren gehören.

Nach Abschluss dieses Lehrgangs werden die Teilnehmenden in der Lage sein: 

• Die Laufzeitarchitektur und den Performance-Lebenszyklus von CANN zu verstehen.
• Profiling-Tools sowie die Graph Engine für die Leistungsanalyse und -optimierung einzusetzen.
• Benutzerdefinierte Operatoren mit TIK und TVM zu erstellen und zu optimieren.
• Gedrosselte Speicherzugriffe zu beheben und den Durchsatz von Modellen zu verbessern.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praxislabs mit Echtzeit-Profiling und Optimierung von Operatoren.
• Optimierungsübungen anhand von Einsatzszenarien für Randfälle (Edge Cases).

Möglichkeiten zur Anpassung des Kurses

• Falls Sie eine massgeschneiderte Schulung für diesen Kurs wünschen, kontaktieren Sie uns bitte zur Vereinbarung.

Chinesische GPU-Architekturen wie Huawei Ascend, Biren und Cambricon MLUs bieten CUDA-Alternativen, die speziell für den lokalen KI- und HPC-Markt zugeschnitten sind.

Dieser von Instruktoren geleitete Live-Training (online oder vor Ort) richtet sich an erfahrene GPU-Programmierer und Infrastruktur specialisten, die bestehende CUDA-Anwendungen migrieren und für den Einsatz auf chinesischen Hardwareplattformen optimieren möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Kompatibilität bestehender CUDA-Workloads mit alternativen chinesischen Chips zu bewerten.
• CUDA-Codebasen zu Huawei CANN, Biren SDK und Cambricon BANGPy-Umgebungen zu portieren.
• Leistungsmerkmale zu vergleichen und Optimierungspunkte über Plattformen hinweg zu identifizieren.
• Praktische Herausforderungen bei der plattformübergreifenden Unterstützung und dem Deployment anzugehen.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Code-Übersetzungs- und Leistungsbewertungs-Labs.
• Geführte Übungen mit Fokus auf Multi-GPU-Anpassungsstrategien.

Kursanpassungsmöglichkeiten

• Um eine maßgeschneiderte Schulung für diesen Kurs basierend auf Ihrer Plattform oder Ihrem CUDA-Projekt anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Dieser instruktionsgeleitete Live-Kurs in Genf (online oder vor Ort) richtet sich an Entwickler mit Kenntnissen vom Anfängerniveau bis zum mittleren Niveau, die CUDA zur Programmierung von NVIDIA-GPUs nutzen und deren Parallelität ausnutzen möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die das CUDA Toolkit, eine NVIDIA GPU und Visual Studio Code umfasst.
• Ein grundlegendes CUDA-Programm zu erstellen, das eine Vektoraddition auf der GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
• Die CUDA API zur Abfrage von Geräteinformationen, zum Allokieren und Freigeben des Gerätespeichers, zum Kopieren von Daten zwischen Host und Gerät, zum Starten von Kernels und zum Synchronisieren von Threads zu verwenden.
• Die Sprache CUDA C/C++ zur Erstellung von Kernels, die auf der GPU ausgeführt werden und Daten manipulieren, zu nutzen.
• Eingebaute Funktionen, Variablen und Bibliotheken von CUDA für allgemeine Aufgaben und Operationen einzusetzen.
• SPEICHERBEREICHE von CUDA, wie global, geteilt (shared), konstant (constant) und lokal, zur Optimierung von Datenübertragungen und Speicherzugriffen zu verwenden.
• Das Ausführungsmodell von CUDA zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren, anzuwenden.
• CUDA-Programme mit Tools wie CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight zu debuggen und zu testen.
• CUDA-Programme mittels Techniken wie Coalescing, Caching, Prefetching und Profiling zu optimieren.

97 % der Kunden sind zufrieden. 

CANN (Compute Architecture for Neural Networks) ist der AI-Berechnungsstack von Huawei zur Bereitstellung und Optimierung von KI-Modellen auf Ascend-KI-Prozessoren.

Dieses instruktionsgeleitete, live durchgeführte Training (online oder vor Ort) richtet sich an KI-Entwickler und Ingenieure mit mittlerem Wissensstand, die trainierte KI-Modelle effizient auf Huawei-Ascend-Hardware unter Verwendung des CANN-Toolkits sowie Tools wie MindSpore, TensorFlow oder PyTorch bereitstellen möchten.

Am Ende dieses Trainings können die Teilnehmer:

• Die CANN-Architektur und ihre Rolle in der KI-Bereitstellungspipeline verstehen.
• Modelle aus gängigen Frameworks in ASC-kompatible Formate konvertieren und anpassen.
• Tools wie ATC, OM-Modellkonvertierung und MindSpore für die Inferenz an der Edge und in der Cloud nutzen.
• Probleme bei der Bereitstellung diagnosegerecht lösen und die Leistung auf Ascend-Hardware optimieren.

Kursformat

• Interaktiver Vortrag und Demonstration.
• Praxisübungen mit CANN-Tools sowie Ascend-Simulatoren oder -Geräten.
• Praktische Bereitstellungsszenarien basierend auf realen KI-Modellen.

Möglichkeiten zur Kursanpassung

• Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Biren AI-Beschleuniger sind Hochleistungs-GPUs, die für KI- und HPC-Anwendungsfälle mit Unterstützung von Training und Inferenz auf grosser Skala entwickelt wurden.

Dieses dozentengestützte, live stattfindende Training (online oder vor Ort) richtet sich an Entwickler:innen mit fortgeschrittenen bis sehr fortgeschrittenen Kenntnissen, die Anwendungen mithilfe des proprietären GPU-Stacks von Biren programmieren und optimieren möchten, inkl. praktischer Vergleiche zu CUDA-basierten Umgebungen.

Am Ende dieses Trainings werden die Teilnehmer:innen in der Lage sein:

• Die Biren-GPU-Architektur und die Speicherschichtstruktur zu verstehen.
• Die Entwicklungsumgebung einzurichten und das Programmiermodell von Biren zu nutzen.
• CUDA-ähnlichen Code für Biren-Plattformen zu übersetzen und zu optimieren.
• Techniken zur Leistungsanpassung und Fehlersuche anzuwenden.

Kursformat

• Interaktiver Vortrag und Diskussion.
• Praktische Nutzung des Biren SDK bei exemplarischen GPU-Aufgaben.
• Angeleitete Übungen zur Portierung und Leistungsanpassung.

Möglichkeiten zur Kursanpassung

• Um massgeschneidertes Training für diesen Kurs basierend auf Ihrem Anwendungsstack oder Ihren Integrationsanforderungen zu beantragen, kontaktieren Sie uns bitte.

Cambricon MLUs (Machine Learning Units) sind spezialisierte KI-Chips, die für Inferenz und Training in Edge- und Rechenzentrums-Szenarien optimiert wurden.

Dieser von einem Dozenten geleitete Live-Kurs (online oder vor Ort) richtet sich an Entwickler auf fortgeschrittenem Niveau, die mit dem BANGPy-Framework und dem Neuware SDK KI-Modelle auf Cambricon MLU-Hardware entwickeln und bereitstellen möchten.

Am Ende dieses Trainings sind die Teilnehmer in der Lage:

• Die Entwicklungsumgebungen für BANGPy und Neuware einzurichten und zu konfigurieren.
• Python- und C++-basierte Modelle für Cambricon MLUs zu entwickeln und zu optimieren.
• Modelle auf Edge- und Rechenzentrums-Geräten mit Neuware-Runtime bereitzustellen.
• ML-Workflows mit MLU-spezifischen Beschleunigungsfunktionen zu integrieren.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Anwendung von BANGPy und Neuware für Entwicklung und Deployment.
• Geführte Übungen mit Fokus auf Optimierung, Integration und Tests.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs basierend auf Ihrem Cambricon-Gerätemodell oder Anwendungsfall anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese instruktionsgeleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an Systemadministratoren und IT-Fachleute auf Anfängerniveau, die CUDA-Umgebungen installieren, konfigurieren, verwalten und Fehler beheben möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die Architektur, Komponenten und Fähigkeiten von CUDA zu verstehen.
• CUDA-Umgebungen zu installieren und zu konfigurieren.
• CUDA-Ressourcen zu verwalten und zu optimieren.
• Häufige CUDA-Probleme zu debuggen und zu beheben.

Diese instruktionsgeleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an Entwickler mit Grundlagen- bis Fortgeschrittenenkentnissen, die OpenCL nutzen möchten, um heterogene Geräte zu programmieren und deren Parallelität auszuschöpfen.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Eine Entwicklungsumgebung einzurichten, die das OpenCL-SDK, ein OpenCL-fähiges Gerät und Visual Studio Code umfasst.
• Ein einfaches OpenCL-Programm zu erstellen, das eine Vektoraddition auf dem Gerät durchführt und die Ergebnisse aus dem Gerätespeicher abruft.
• Die OpenCL-API zur Abfrage von Geräteinformationen sowie zum Erstellen von Kontexten, Befehlswarteschlangen, Puffern, Kernels und Ereignissen zu nutzen.
• Die OpenCL-C-Sprache zu verwenden, um Kernels zu schreiben, die auf dem Gerät ausgeführt werden und Daten manipulieren.
• Eingebaute Funktionen, Erweiterungen und Bibliotheken von OpenCL für gängige Aufgaben und Operationen einzusetzen.
• Die Speichermodelle des Hosts und des Geräts in OpenCL zu nutzen, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Das Ausführungsmodell von OpenCL zur Steuerung von Work-Items, Work-Groups und ND-Ranges anzuwenden.
• OpenCL-Programme mit Tools wie CodeXL, Intel VTune und NVIDIA Nsight zu debuggen und zu testen.
• OpenCL-Programme mit Techniken wie Vektorisierung, Schleifenentrollung, lokalem Speicher und Profiling zu optimieren.

Dieses von Dozenten geleitete Live-Training in Genf (online oder vor Ort) richtet sich an C++-Entwickler, die CUDA zur Beschleunigung von Anwendungen einsetzen, Hochleistungs-GPU-Kernels entwickeln und parallele Algorithmenbibliotheken für wissenschaftliches Rechnen, Datenverarbeitung und Machine-Learning-Anwendungen nutzen möchten.

Dieser instruktionsgeleitete Live-Kurs in Genf (online oder vor Ort) richtet sich an C/C++-Entwickler, die CUDA nutzen möchten, um rechenintensive Anwendungen zu beschleunigen, darunter Datenverarbeitung, wissenschaftliche Simulationen, Machine-Learning-Workloads und Bildverarbeitungs-Pipelines.

Diese dozentengeleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an Softwareentwickler, Datenanalysten und technische Fachkräfte, die TensorFlow 2.x und Keras nutzen möchten, um Deep-Learning-Modelle für Computervision, natürliche Sprachverarbeitung und multimodale Anwendungen zu entwickeln, zu trainieren und bereitzustellen.

Dieser Dozentengeleitete, Live-Schulungskurs in Genf behandelt die Programmierung von GPUs für paralleles Rechnen, den Umgang mit verschiedenen Plattformen, die Arbeit mit der CUDA-Plattform und ihren Funktionen sowie die Durchführung verschiedener Optimierungstechniken mit CUDA. Zu den Anwendungsgebieten gehören Deep Learning, Datenanalyse, Bildverarbeitung und technische Anwendungen.