대한민국 GPU 과정

이 강사 주도의 라이브 교육(온라인 또는 현장)은 OpenACC를 활용해 다양한 장치에서 병렬 프로그래밍을 수행하고 그 성능을 최대한 활용하고자 하는 초급부터 중급 수준의 개발자를 대상으로 합니다.

교육이 끝날 무렵 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• OpenACC 개발 환경을 구축할 수 있습니다.
• 기본적인 OpenACC 프로그램을 작성하고 실행할 수 있습니다.
• OpenACC 지시문 및 절을 사용해 코드에 주석을 달 수 있습니다.
• OpenACC API와 라이브러리를 활용할 수 있습니다.
• OpenACC 프로그램의 성능 분석, 디버깅 및 최적화가 가능합니다.

대한민국에서 진행되는 본 실시간 강좌는 GPU 프로그래밍 기초와 주요 프레임워크 및 도구에 대해 학습하려는 초급부터 중급 수준의 개발자를 대상으로 합니다.

• 강좌를 마치면 참가자는 다음을 할 수 있게 됩니다:
  CPU와 GPU 컴퓨팅 간 차이점과 GPU 프로그래밍의 장점 및 한계점에 대해 이해합니다.
• 자신의 애플리케이션에 적합한 프레임워크와 도구를 선택할 수 있습니다.
• 여러 프레임워크 및 도구 중 하나를 활용하여 벡터 덧셈을 수행하는 기본적인 GPU 프로그램을 작성합니다.
• 각 프레임워크별 API, 언어, 라이브러리를 이용해 디바이스 정보 조회, 메모리 할당/해제, 호스트와 디바이스 간 데이터 전송, 커널 실행 및 스레드 동기화를 수행합니다.
• 글로벌, 로컬, 상수값, 프라이빗과 같은 메모리 공간을 활용해 데이터 전송 및 메모리 접근 효율을 최적화합니다.
• 워크 아이템, 워크 그룹, 스레드, 블록, 그리드와 같은 실행 모델을 사용하여 병렬 처리를 제어할 수 있습니다.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK, NVIDIA Nsight 등의 도구를 이용해 GPU 프로그램을 디버깅하고 테스트합니다.
• 데이터 결합화, 캐싱, 프리페칭, 프로파일링과 같은 기법을 활용해 GPU 프로그램을 최적화할 수 있습니다.

본 강좌는 온라인 또는 현장에서 진행되는 실시간 교육으로, 다양한 GPU 프로그래밍 프레임워크를 활용해 프로그램을 개발하고 그 기능, 성능 및 호환성을 비교하고자 하는 초급부터 중급 수준의 개발자를 대상으로 합니다.

강좌가 끝날 무렵 참가자들은 다음과 같은 역량을 갖추게 됩니다:

• OpenCL SDK, CUDA Toolkit, ROCm Platform 및 OpenCL/CUDA/ROCm을 지원하는 하드웨어와 Visual Studio Code를 포함한 개발 환경을 구축할 수 있습니다.
• OpenCL, CUDA, ROCm을 각각 사용하여 벡터 덧셈을 수행하는 기본 GPU 프로그램을 작성하고 각 프레임워크의 문법, 구조 및 실행 방식을 비교할 수 있습니다.
• 각 프레임워크별 API를 활용해 장치 정보 조회, 장치 메모리 할당 및 해제, 호스트와 장치 간 데이터 전송, 커널 실행 및 스레드 동기화 등을 수행할 수 있습니다.
• 각 프레임워크에 맞는 언어를 사용해 장치에서 실행되는 커널을 작성하고 데이터를 조작할 수 있습니다.
• 각 프레임워크의 내장 함수, 변수 및 라이브러리를 활용하여 일반적인 작업과 연산을 처리할 수 있습니다.
• 전역 메모리, 로컬 메모리, 상수 메모리, 프라이빗 메모리와 같은 각 프레임워크별 메모리 영역을 활용해 데이터 전송과 메모리 접근 최적화가 가능합니다.
• 스레드, 블록 및 그리드 등으로 구성된 각 프레임워크의 실행 모델을 이용해 병렬성을 제어할 수 있습니다.
• CodeXL, CUDA-GDB, CUDA-MEMCHECK, NVIDIA Nsight와 같은 도구를 사용해 GPU 프로그램을 디버깅하고 테스트할 수 있습니다.
• 데이터 병합, 캐싱, 프리페칭 및 프로파일링 등의 기법을 통해 GPU 프로그램을 최적화할 수 있습니다.

본 강사 주도 실시간 교육(온라인 또는 오프라인)은 Windows 환경에서 ROCm을 설치해 AMD GPU 기반 병렬 프로그래밍을 배우려는 초급 및 중급 수준의 개발자들을 대상으로 합니다.

교육이 끝나면 참가자들은 다음 역량을 습득하게 됩니다:

• Windows 환경에서 ROCm 플랫폼, AMD GPU 및 Visual Studio Code를 포함한 개발 환경 구축하기
• GPU 상에서 벡터 덧셈 연산을 수행하고 결과값을 GPU 메모리로부터 가져오는 간단한 ROCm 프로그램 작성하기
• ROCm API를 이용해 디바이스 정보 조회, 메모리 할당 및 해제, 호스트와 디바이스 간 데이터 복사, 커널 실행 지시, 스레드 동기화 수행하기
• HIP 언어로 GPU에서 실행되는 커널을 작성하고 데이터를 처리할 수 있게 되기
• HIP의 내장 함수, 변수 및 라이브러리를 활용해 일반적인 작업들을 효율적으로 처리하기
• 글로벌, 공유, 상수, 로컬 등 ROCm 및 HIP에서 제공하는 메모리 영역을 적절히 활용해 데이터 전송과 메모리 접근 최적화하기
• 스레드, 블록, 그리드의 개념을 다루는 ROCm과 HIP 실행 모델을 활용해 병렬 처리를 효과적으로 제어하기
• ROCm Debugger와 ROCm Profiler 같은 도구를 이용해 ROCm 및 HIP 프로그램의 디버깅과 테스트 수행하기
• 데이터 결합, 캐싱, 프리페칭, 프로파일링 기법을 활용해 ROCm 및 HIP 프로그램 최적화 실현하기

대한민국에서 진행되는 본 강사 주도 실시간 교육은 ROCm과 HIP를 활용해 AMD GPU 프로그래밍 및 병렬 처리 성능을 개선하고자 하는 초급자부터 중급 수준의 개발자를 대상으로 합니다.

교육 종료 시 참가자들은 다음과 같은 역량을 습득하게 됩니다:

• ROCm 플랫폼, AMD GPU 및 Visual Studio Code를 포함한 개발 환경 구축
• GPU에서 벡터 덧셈 연산을 수행하고 결과값을 호스트 메모리로 가져오는 기본 ROCm 프로그램 작성
• ROCm API를 활용해 디바이스 정보 조회, 메모리 할당/해제, 호스트와 디바이스 간 데이터 복사, 커널 실행 및 스레드 동기화 수행
• HIP 언어를 사용하여 GPU에서 실행되는 커널을 작성하고 데이터를 처리함
• HIP 내장 함수, 변수 및 라이브러리를 활용해 일반적인 작업 수행 가능
• 전역 메모리, 공유 메모리, 상수 메모리, 로컬 메모리 등 ROCm과 HIP의 다양한 메모리 영역을 활용해 데이터 전송 및 접근 최적화
• 스레드, 블록, 그리드를 조합한 ROCm과 HIP 실행 모델을 통해 병렬 처리 제어 가능
• ROCm 디버거 및 ROCm 프로파일러와 같은 도구들을 활용해 프로그램의 디버깅 및 테스트 수행
• 데이터 결합화, 캐싱, 프리페칭, 성능 분석 기법 등을 적용하여 프로그램 최적화 가능

이 강사 주도형 실습 교육(온라인 또는 오프라인)은 CUDA를 활용해 NVIDIA GPU 프로그래밍과 병렬 처리 기능을 활용하고자 하는 초급 및 중급 수준의 개발자를 대상으로 합니다.

본 과정을 이수하면 참가자들은 다음과 같은 역량을 갖추게 됩니다:

• CUDA Toolkit, NVIDIA GPU 및 Visual Studio Code를 포함한 개발 환경 구축
• GPU에서 벡터 덧셈 연산을 수행하고 결과값을 GPU 메모리에서 가져오는 기본적인 CUDA 프로그램 작성
• CUDA API를 활용해 디바이스 정보 조회, 메모리 할당 및 해제, 호스트와 디바이스 간 데이터 전송, 커널 실행 및 스레드 동기화 구현
• CUDA C/C++ 언어를 사용하여 GPU에서 실행되는 커널 작성 및 데이터 처리
• CUDA 내장 함수, 변수 및 라이브러리를 활용해 일반적인 작업 수행
• 글로벌, 공유, 상수, 로컬 등 다양한 CUDA 메모리 영역을 활용한 데이터 전송 및 접근 최적화
• 스레드, 블록, 그리드를 제어함으로써 병렬 처리를 조절하는 CUDA 실행 모델 이해 및 적용
• CUDA-GDB, CUDA-MEMCHECK, NVIDIA Nsight와 같은 도구를 사용한 CUDA 프로그램 디버깅 및 테스트 수행
• 데이터 결합(coalescing), 캐싱, 프리페칭 및 프로파일링 등의 기법을 활용해 CUDA 프로그램 성능 개선

고객 만족도는 97%에 달합니다.

대한민국에서 강사가 직접 진행하는 이 실시간 교육은 온라인 또는 현장 수업으로, 초보 수준의 시스템 관리자와 IT 전문가들을 대상으로 합니다. CUDA 환경을 설치하고 구성하며 관리 및 문제 해결하는 방법을 배우고자 하는 분들에게 적합합니다.

강의 종료 시 참가자들은 다음과 같은 역량을 갖추게 됩니다:

• CUDA의 아키텍처, 구성 요소 및 기능에 대한 이해
• CUDA 환경의 설치 및 구성 방법 습득
• CUDA 리소스의 관리와 최적화 기술 익히기
• 자주 발생하는 CUDA 관련 문제들을 진단하고 해결할 수 있음

이 강의는 온라인 또는 오프라인으로 진행되며, OpenCL을 활용해 다양한 하드웨어 장치에서 병렬 처리 기능을 구현하고자 하는 초급부터 중급 수준의 개발자를 대상으로 합니다.

강의가 끝나면 참가자들은 다음과 같은 역량을 갖추게 됩니다:

• OpenCL SDK, OpenCL 지원 장치 및 Visual Studio Code를 포함한 개발 환경 설정
• 장치에서 벡터 덧셈을 수행하고 결과값을 메모리로 가져오는 기본적인 OpenCL 프로그램 작성
• OpenCL API를 이용해 장치 정보 조회, 컨텍스트 및 커맨드 큐 생성, 버퍼와 커널, 이벤트 설정 등의 작업 수행
• OpenCL C 언어를 사용하여 장치에서 실행될 커널을 작성하고 데이터를 처리하는 방법 습득
• 내장 함수, 확장 기능 및 라이브러리를 활용해 자주 사용되는 연산 과정을 수행할 수 있게 됨
• 호스트와 장치 간 메모리 모델을 이해하고 데이터 전송과 접근 최적화 방법 습득
• 워크 아이템, 워크 그룹 및 ND-레인지 등의 개념을 활용해 OpenCL 실행 모델 제어 능력 향상
• CodeXL, Intel VTune, NVIDIA Nsight와 같은 도구를 이용한 OpenCL 프로그램 디버깅 및 테스트 방법 숙지
• 벡터화, 루프 언롤링, 로컬 메모리 활용 및 프로파일링과 같은 기법을 통해 OpenCL 프로그램 최적화 능력 향상

대한민국에서 진행되는 이 강사 주도형 실시간 교육은 CUDA를 이용해 애플리케이션의 속도를 높이고 고성능 GPU 커널을 작성하며, 과학적 계산 및 데이터 처리, 머신러닝 업무에 활용 가능한 병렬 알고리즘 라이브러리를 효과적으로 활용하고자 하는 C++ 개발자들을 위해 기획되었습니다.

이 강사 주도형 실습 교육 대한민국 (온라인 또는 현장 진행)은 데이터 처리, 과학적 시뮬레이션, 머신러닝 작업 및 이미지 처리 파이프라인 등 계산 집약적인 애플리케이션을 가속화하고자 하는 C/C++ 개발자를 대상으로 합니다.

대한민국에서 진행되는 이 강사 주도형 실시간 교육은 소프트웨어 개발자, 데이터 분석가, 기술 전문가들을 대상으로 하며, TensorFlow 2.x와 Keras를 사용해 컴퓨터 비전, 자연어 처리 및 멀티모달 애플리케이션용 딥러닝 모델을 설계·훈련·배포하는 방법을 다룹니다.

대한민국에서 진행되는 본 강사 주도형 실시간 교육 과정에서는 병렬 컴퓨팅을 위해 GPU를 프로그래밍하는 방법, 다양한 플랫폼의 활용법, CUDA 플랫폼 및 그 기능들을 다루는 법과 더불어 CUDA를 이용한 최적화 기법에 대해서도 설명합니다. 이 과정에서 다뤄지는 응용 분야로는 딥러닝, 데이터 분석, 이미지 처리 및 공학 응용 등이 있습니다.