Workshop Fundamentals of Accelerated Computing with CUDA Python (Certificación oficial NVIDIA)

Descripción:

• Workshop de certificación para aprender CUDA y su uso a través de Python.

• Destinatarios:

• Ingenieros de software que buscan optimizar sus aplicaciones utilizando la computación paralela.
• Científicos de datos y analistas que necesitan acelerar procesos de análisis de datos utilizando GPUs.
• Profesionales de áreas relacionadas con la computación científica y el procesamiento de datos de alto rendimiento.

Objetivo(s) o competencia(s):

• Conocimiento especializado: Adquirir conocimientos avanzados en programación paralela utilizando GPUs.
• Optimización de aplicaciones: Aprender técnicas para acelerar el procesamiento de datos y mejorar el rendimiento de las aplicaciones.
• Certificación NVIDIA: Al finalizar el curso, los participantes podrán obtener una certificación de NVIDIA, reconociendo sus habilidades en CUDA Python.
• Aplicabilidad práctica: A través de ejercicios y evaluaciones, los participantes podrán aplicar lo aprendido en proyectos reales, mejorando su capacidad para resolver problemas complejos.

Metodología y Actividades: 

• Presentaciones oficiales de tecnología NVIDIA, en donde se explica a nivel detallado lo que es CUDA.
• Presentaciones y temáticas sobre la diferencia entre CPUs y GPUs a nivel funcional y a nivel arquitectura.
• Ejercicios prácticos para cada módulo.
• Repaso sobre conceptos básicos de Python que se utilizan para programar CUDA
  • Variables, funciones, loops, memoria.  
• Diferencias entre procesamiento CPU y GPU, conceptos básicos de memoria y paralelización.
• Crear cuenta de desarrollador y acceder a courses.nvidia.com/join 
• Empezar a trabajar con el compilador NUMBA y la programación de CUDA en Python.
• Usar decoradores de NUMBA para acelerar funciones numéricas de Python.
• Optimizar la transferencia de memoria host-device y device-host.
• Aprender la jerarquía de hilos paralela y como extender las posibilidades de programas paralelos. Utilizar operaciones atómicas CUDA para evitar condiciones de carrera durante la ejecución paralela
  Ejecutar kernels personalizados de manera masiva en el GPU.
• Aprender la creación de grids multidimensionales y como trabajar en paralelo en matrices 2D. Aprovechar la memoria compartida en el device para promover la coalescencia de memoria mientras se reformatean las matrices 2D.

Mecanismo y criterios de evaluación:

• Tres evaluaciones a través de código directo en la plataforma de NVIDIA. Al pasar estas tres evaluaciones se emite el certificado oficial por parte de NVIDIA.

Criterios:

• Realización de ejercicios prácticos
• Ejecutar código por su cuenta sin el uso de AI
• Pasar evaluaciones a través de código.

Conocimientos previos requeridos:

• Conocimientos básicos de Python.
• Familiaridad con conceptos básicos de programación (funciones, estructuras de control, arreglos, vectores).
• Interés en computación paralela, inteligencia artificial o procesamiento de datos.