Adobe LiveCycle Designer 교육 과정

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 CUDA를 사용하여 NVIDIA GPU에서 병렬로 실행되는 Python 애플리케이션을 구축하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Numba 컴파일러를 사용하여 NVIDIA GPU에서 실행되는 Python 애플리케이션을 가속화하세요.
• 사용자 정의 CUDA 커널을 생성, 컴파일 및 실행합니다.
• GPU 메모리를 관리합니다.
• CPU 기반 애플리케이션을 GPU 가속 애플리케이션으로 변환합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 CUDA 환경을 설치, 구성, 관리 및 문제 해결하려는 초급 시스템 관리자 및 IT 전문가를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• CUDA의 아키텍처, 구성 요소 및 기능을 이해합니다.
• CUDA 환경을 설치하고 구성합니다.
• CUDA 리소스를 관리하고 최적화합니다.
• 일반적인 CUDA 문제를 디버그하고 해결합니다.

강사가 진행하는 이 대한민국 실시간 교육(온라인 또는 현장)은 Maya를 사용하여 3D 애니메이션을 제작하려는 웹 디자이너를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Maya에서 사실적인 모델과 텍스처를 만들어 보세요.
• 고품질 재생을 위해 프로젝트에 애니메이션을 적용하고 렌더링합니다.
• 물이나 연기와 같은 자연 효과를 시뮬레이션합니다.

WebGL (Web Graphics Library)은 플러그 - 인을 사용하지 않고 웹 브라우저에서 3D 그래픽을 렌더링하는 JavaScript API입니다.

강사가 진행하는이 실습에서 참가자는 3D 그래픽을 사용하여 현실적인 컴퓨터 이미지를 생성하는 방법을 배우며, 브라우저에서 실행되는 애니메이션 3D 응용 프로그램을 제작합니다.

이 훈련이 끝나면 참가자는 다음을 할 수 있습니다.

• 메쉬, 변형, 카메라, 머티리얼, 라이팅 및 애니메이션을 포함한 WebGL의 다양한 기능을 이해하고 사용하십시오.
• WebGL을 사용하여 객체 애니메이트
• WebGL을 사용하여 3D 객체 만들기

청중

• 개발자

코스 형식

• 부분 강의, 부분 토론, 연습 및 무거운 실무 연습

This course covers how to program GPUs for parallel computing. Some of the applications include deep learning, analytics, and engineering applications.

대한민국에서 강사가 진행하는 실시간 교육 과정에서는 병렬 컴퓨팅을 위해 GPU을 프로그래밍하는 방법, 다양한 플랫폼을 사용하는 방법, CUDA 플랫폼 및 해당 기능을 사용하는 방법, CUDA를 사용하여 다양한 최적화 기술을 수행하는 방법을 다룹니다. . 일부 응용 프로그램에는 딥 러닝, 분석, 이미지 처리 및 엔지니어링 응용 프로그램이 포함됩니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 하드웨어 가속 개체 감지 및 추적 모델을 구축하여 스트리밍 비디오 데이터를 분석하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 개발을 시작하는 데 필요한 개발 환경, 소프트웨어 및 라이브러리를 설치하고 구성합니다.
• 라이브 비디오 피드를 분석하기 위해 딥 러닝 모델을 구축, 교육 및 배포합니다.
• 비디오 프레임 내의 다양한 개체를 식별, 추적, 분할 및 예측합니다.
• 객체 감지 및 추적 모델을 최적화합니다.
• 지능형 비디오 분석(IVA) 애플리케이션을 배포합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 OpenCL을 사용하여 이기종 장치를 프로그래밍하고 병렬성을 활용하려는 초급 수준부터 중급 수준의 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• OpenCL과 Visual Studio 코드를 지원하는 디바이스인 OpenCL SDK를 포함하는 개발 환경을 설정합니다.
• 장치에서 벡터 추가를 수행하고 장치 메모리에서 결과를 검색하는 기본 OpenCL 프로그램을 만듭니다.
• OpenCL API를 사용하여 장치 정보를 쿼리하고 컨텍스트, 명령 대기열, 버퍼, 커널 및 이벤트를 생성합니다.
• 장치에서 실행되고 데이터를 조작하는 커널을 작성하려면 OpenCL C 언어를 사용하십시오.
• OpenCL 내장 함수, 확장 및 라이브러리를 사용하여 일반적인 작업 및 작업을 수행합니다.
• OpenCL 호스트 및 장치 메모리 모델을 사용하여 데이터 전송 및 메모리 액세스를 최적화합니다.
• 작업 항목, 작업 그룹 및 ND 범위를 제어하려면 OpenCL 실행 모델을 사용하십시오.
• CodeXL, Intel VTune 및 NVIDIA Nsight와 같은 도구를 사용하여 OpenCL 프로그램을 디버그하고 테스트합니다.
• 벡터화, 루프 언롤링, 로컬 메모리, 프로파일링과 같은 기술을 사용하여 OpenCL 프로그램을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 CUDA를 사용하여 NVIDIA GPU를 프로그래밍하고 병렬성을 활용하려는 초급 수준부터 중급 수준의 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• CUDA 툴킷, NVIDIA GPU 및 Visual Studio 코드가 포함된 개발 환경을 설정합니다.
• GPU에 벡터 추가를 수행하고 GPU 메모리에서 결과를 검색하는 기본 CUDA 프로그램을 만듭니다.
• CUDA API를 사용하여 장치 정보를 쿼리하고, 장치 메모리를 할당 및 할당 해제하고, 호스트와 장치 간에 데이터를 복사하고, 커널을 시작하고, 스레드를 동기화합니다.
• CUDA C/C++ 언어를 사용하여 GPU에서 실행되고 데이터를 조작하는 커널을 작성합니다.
• CUDA 내장 함수, 변수 및 라이브러리를 사용하여 일반적인 작업 및 작업을 수행합니다.
• 전역, 공유, 상수 및 로컬과 같은 CUDA 메모리 공간을 사용하여 데이터 전송 및 메모리 액세스를 최적화합니다.
• CUDA 실행 모델을 사용하여 병렬성을 정의하는 스레드, 블록 및 그리드를 제어합니다.
• CUDA-GDB, CUDA-MEMCHECK 및 NVIDIA Nsight와 같은 도구를 사용하여 CUDA 프로그램을 디버그하고 테스트합니다.
• 병합, 캐싱, 프리패치, 프로파일링과 같은 기술을 사용하여 CUDA 프로그램을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 GPU 프로그래밍을 위해 다양한 프레임워크를 사용하고 해당 프레임워크의 기능, 성능 및 호환성을 비교하려는 초급 수준부터 중급 수준의 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• OpenCL SDK, CUDA Toolkit, ROCm 플랫폼, OpenCL, CUDA 또는 ROCm을 지원하는 장치 및 Visual Studio 코드를 포함하는 개발 환경을 설정합니다.
• OpenCL, CUDA, ROCm을 사용하여 벡터 추가를 수행하는 기본 GPU 프로그램을 만들고 각 프레임워크의 구문, 구조 및 실행을 비교합니다.
• 해당 API를 사용하여 장치 정보를 쿼리하고, 장치 메모리를 할당 및 할당 해제하고, 호스트와 장치 간에 데이터를 복사하고, 커널을 시작하고, 스레드를 동기화합니다.
• 해당 언어를 사용하여 장치에서 실행되고 데이터를 조작하는 커널을 작성합니다.
• 각각의 내장 함수, 변수 및 라이브러리를 사용하여 일반적인 작업 및 작업을 수행합니다.
• 글로벌, 로컬, 상수, 프라이빗 등 각 메모리 공간을 사용하여 데이터 전송 및 메모리 액세스를 최적화합니다.
• 해당 실행 모델을 사용하여 병렬성을 정의하는 스레드, 블록 및 그리드를 제어합니다.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK 및 NVIDIA Nsight와 같은 도구를 사용하여 GPU 프로그램을 디버그하고 테스트합니다.
• 병합, 캐싱, 프리패치 및 프로파일링과 같은 기술을 사용하여 GPU 프로그램을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 ROCm 및 HIP를 사용하여 AMD GPU을 프로그래밍하고 병렬성을 활용하려는 초급부터 중급 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• ROCm 플랫폼, AMD GPU 및 Visual Studio 코드를 포함하는 개발 환경을 설정합니다.
• GPU에 벡터 추가를 수행하고 GPU 메모리에서 결과를 검색하는 기본 ROCm 프로그램을 만듭니다.
• ROCm API를 사용하여 장치 정보를 쿼리하고, 장치 메모리를 할당 및 할당 해제하고, 호스트와 장치 간에 데이터를 복사하고, 커널을 시작하고, 스레드를 동기화합니다.
• HIP 언어를 사용하여 GPU에서 실행되고 데이터를 조작하는 커널을 작성합니다.
• HIP 내장 함수, 변수 및 라이브러리를 사용하여 일반적인 작업 및 작업을 수행합니다.
• 글로벌, 공유, 상수 및 로컬과 같은 ROCm 및 HIP 메모리 공간을 사용하여 데이터 전송 및 메모리 액세스를 최적화합니다.
• ROCm 및 HIP 실행 모델을 사용하여 병렬성을 정의하는 스레드, 블록 및 그리드를 제어합니다.
• ROCm 디버거 및 ROCm 프로파일러와 같은 도구를 사용하여 ROCm 및 HIP 프로그램을 디버그하고 테스트합니다.
• 병합, 캐싱, 프리패치, 프로파일링과 같은 기술을 사용하여 ROCm 및 HIP 프로그램을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Windows에 ROCm을 설치 및 사용하여 AMD GPU을 프로그래밍하고 병렬성을 활용하려는 초급 수준부터 중급 수준의 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Windows에서 ROCm 플랫폼, AMD GPU 및 Visual Studio 코드를 포함하는 개발 환경을 설정합니다.
• GPU에 벡터 추가를 수행하고 GPU 메모리에서 결과를 검색하는 기본 ROCm 프로그램을 만듭니다.
• ROCm API를 사용하여 장치 정보를 쿼리하고, 장치 메모리를 할당 및 할당 해제하고, 호스트와 장치 간에 데이터를 복사하고, 커널을 시작하고, 스레드를 동기화합니다.
• HIP 언어를 사용하여 GPU에서 실행되고 데이터를 조작하는 커널을 작성합니다.
• HIP 내장 함수, 변수 및 라이브러리를 사용하여 일반적인 작업 및 작업을 수행합니다.
• 글로벌, 공유, 상수 및 로컬과 같은 ROCm 및 HIP 메모리 공간을 사용하여 데이터 전송 및 메모리 액세스를 최적화합니다.
• ROCm 및 HIP 실행 모델을 사용하여 병렬성을 정의하는 스레드, 블록 및 그리드를 제어합니다.
• ROCm 디버거 및 ROCm 프로파일러와 같은 도구를 사용하여 ROCm 및 HIP 프로그램을 디버그하고 테스트합니다.
• 병합, 캐싱, 프리패치, 프로파일링과 같은 기술을 사용하여 ROCm 및 HIP 프로그램을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 GPU 프로그래밍의 기본 사항과 GPU 애플리케이션 개발을 위한 주요 프레임워크 및 도구를 배우고자 하는 초급 수준부터 중급 수준의 개발자를 대상으로 합니다. .

• 이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.
  CPU와 GPU 컴퓨팅의 차이점과 GPU 프로그래밍의 이점과 과제를 이해합니다.
• GPU 애플리케이션에 적합한 프레임워크와 도구를 선택하세요.
• 하나 이상의 프레임워크와 도구를 사용하여 벡터 추가를 수행하는 기본 GPU 프로그램을 만듭니다.
• 해당 API, 언어 및 라이브러리를 사용하여 장치 정보를 쿼리하고, 장치 메모리를 할당 및 할당 해제하고, 호스트와 장치 간에 데이터를 복사하고, 커널을 시작하고, 스레드를 동기화합니다.
• 글로벌, 로컬, 상수, 프라이빗 등 각 메모리 공간을 사용하여 데이터 전송 및 메모리 액세스를 최적화합니다.
• 작업 항목, 작업 그룹, 스레드, 블록, 그리드 등 해당 실행 모델을 사용하여 병렬성을 제어합니다.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK 및 NVIDIA Nsight와 같은 도구를 사용하여 GPU 프로그램을 디버그하고 테스트합니다.
• 병합, 캐싱, 프리패치 및 프로파일링과 같은 기술을 사용하여 GPU 프로그램을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 OpenACC를 사용하여 이기종 장치를 프로그래밍하고 병렬성을 활용하려는 초급부터 중급 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• OpenACC를 지원하는 디바이스인 OpenACC SDK와 Visual Studio 코드가 포함된 개발 환경을 설정합니다.
• 장치에서 벡터 추가를 수행하고 장치 메모리에서 결과를 검색하는 기본 OpenACC 프로그램을 만듭니다.
• OpenACC 지시문과 절을 사용하여 코드에 주석을 달고 병렬 영역, 데이터 이동 및 최적화 옵션을 지정합니다.
• OpenACC API를 사용하여 장치 정보를 쿼리하고, 장치 번호를 설정하고, 오류를 처리하고, 이벤트를 동기화합니다.
• OpenACC 라이브러리 및 상호 운용성 기능을 사용하여 OpenACC를 CUDA, OpenMP 및 MPI와 같은 다른 프로그래밍 모델과 통합합니다.
• OpenACC 도구를 사용하여 OpenACC 프로그램을 프로파일링 및 디버그하고 성능 병목 현상과 기회를 식별합니다.
• 데이터 지역성, 루프 융합, 커널 융합, 자동 조정 등의 기술을 사용하여 OpenACC 프로그램을 최적화합니다.