קורס CUDA

קורס CUDA

על הקורס

קורס CUDA מספק הכשרה מקיפה בפיתוח יישומים מקביליים על גבי מעבדי GPU של NVIDIA. הקורס משלב הבנה עמוקה של ארכיטקטורת GPU עם פרקטיקות פיתוח מתקדמות. המשתתפים ילמדו לפתח יישומים מורכבים המנצלים את עוצמת המחשוב המקבילי, תוך התמקדות בביצועים ואופטימיזציה. הקורס מדגיש יישומים מעשיים בתחומי מדע, הנדסה, למידה עמוקה ועיבוד נתונים בקנה מידה גדול.

בשנים האחרונות עם התפתחות הטכנולוגיה בתעשיית ההייטק ניתן לראות כי נוספו מספר תחומים חדשים פורצי דרך אליהם מופנים משאבים רבים לצורך פיתוחים אינטנסיביים ומורכבים במגוון רחב של תחומי החיים.

חברות ההייטק כיום בשוק המקומי והבינלאומי שואפות לספק פתרונות מתקדמים לצורך פתרון בעיות, ייעול תהליכים ויצירת מוצרים חדשים.

האתגר הוא שפתרונות מתקדמים שכאלו שלוקחים לשלב הבא את המעורבות של הטכנולוגיה בחיינו והאפקטיביות שלה עבורנו ברוב המקרים גם יצרכו משאבים רבים ויצטרכו שימוש בכוח חישוב בצורה אינטנסיבית על מנת לספק את השירות הרלוונטי, כאן בדיוק נכנסת לתמונה פלטפורמת CUDA.

פלטפורמת CUDA פותחה ע"י חברת NIVIDA על מנת לנצל את הכוח GPU של המחשב על מנת לבצע פעולות שדורשות פעילות אינטנסיבית של חישובים, ביצועים וכו. כוח ה CPU אינו מספיק בתחומים רבים ובעיקרם תחום עיבוד התמונה ועיבוד הווידאו.

בעת פיתוח פתרונות בתחומים כגון תחבורה אוטונומית, טיפולים רפואיים אוטומטים ועוד אנחנו נצטרך במקרים רבים את הגשר בין הקוד שפיתחנו לבין כרטיס גרפי לצורך קבלת משאבים חזקים לפעילות התוכנה ובעזרת לימודי פיתוח בפלטפורמת CUDA נוכל להשיג בדיוק את המטרה הזו ולמצוא פתח לעולם חדש של אפשרויות פיתוח תוכנה ועבודה בשוק ההייטק.

קורס CUDA כולל הרצאות פרונטליות ותרגול מעשי:

תרגילי כיתה המלווים בהסברים, שיעורי בית ופתרונות באתר
חוברת קורס
סרטונים ומצגות באתר הקורס
ההרצאות מתקיימות פעם בשבוע בשעות הערב.
שעות לימוד – סה"כ 35 שעות לימוד אקדמיות

להמשך קריאה

למה כדאי ללמוד CUDA ?

בעידן של Big Data ולמידה עמוקה, היכולת לנצל את כוח המחשוב של GPU הפכה לקריטית. הקורס מעניק למשתתפים יתרון משמעותי בפיתוח יישומים בעלי ביצועים גבוהים.

בוגרי הקורס יכולים להשתלב במגוון תפקידים ותעשיות, כולל:

פיתוח מערכות למידה עמוקה וAI
מחקר ופיתוח בתחום המחשוב המדעי
אופטימיזציה של מערכות מחשוב מורכבות
פיתוח יישומי עיבוד תמונה וראייה ממוחשבת
סימולציות מדעיות והנדסיות
פיתוח מערכות לעיבוד אותות בזמן אמת

הביקוש למפתחים עם ידע ב-CUDA גדל בהתמדה, במיוחד בתחומי AI, מדע נתונים ומחשוב ביצועים גבוהים.

מה לומדים בקורס CUDA?

יסודות CUDA
- ארכיטקטורת GPU ומודל התכנות
- ניהול זיכרון וסנכרון
- אופטימיזציה בסיסית
פיתוח מתקדם
- תכנות מקבילי מתקדם
- טכניקות אופטימיזציה
- שילוב עם ספריות סטנדרטיות
יישומים מעשיים
- למידה עמוקה ו-AI
- עיבוד תמונה וראייה ממוחשבת
- חישובים מדעיים

למי מיועד הקורס?

מפתחי תוכנה
מדעני מחשב
מהנדסי ביצועים
חוקרי AI
מפתחי מערכות HPC
מתאים גם לחסרי נסיון ובעלי עניין בתחום.

תנאי קבלה

ידע בתכנות C/C++
הבנה בסיסית במחשוב מקבילי
רקע במתמטיקה ואלגוריתמים
היכרות עם ארכיטקטורת מחשב
אנגלית טכנית

מיומנויות וטכניקות

ארכיטקטורת CUDA
תכנות מקבילי
Memory Hierarchy
Shared Memory Programming
Thread Synchronization
Stream Processing
Dynamic Parallelism
אופטימיזציית ביצועים
Profiling וDebug
Multi-GPU Programming
CUDA Libraries
Kernel Programming
Memory Management
Asynchronous Execution

מבנה הקורס

פרק 1

Introduction to GPU Computing

פרק 2

Installing and first program development

פרק 3

CUDA API

פרק 4

Simple Matrix Multiplication

פרק 5

CUDA Memory Model

פרק 6

Accelerated Code on GPUs

פרק 7

Additional CUDA API Features

פרק 8

Useful Information on CUDA Tools

פרק 9

Threading Hardware

פרק 10

Memory Hardware

פרק 11

Linux GPU Debugging

פרק 12

Parallel Thread Execution

פרק 13

Precision

על המרצה

אלכס שויחט

ראש תחום Machine Learning

לאלכס יש תואר ראשון בתחום מערכות מידע (BSC), תואר שני בהנדסת חשמל ואלקטרוניקה.
אלכס הוא במקצועו מהנדס RT \ Machine Learning. מומחה בתחום ה - AI, עם מעל ל -13 שנות ניסיון בפיתוח, ניהול והעברת פרויקטים מפיתוח לייצור במגוון תחומים כגון, Linux Embedded.
לאלכס יש ניסיון עם עבודה בשילוב Machine learning ו- Deep Learning בתחום ה- Computer Vision ו- Data Analysis.

תשובות לשאלות נפוצות

מה זה לבות cuda? האם יש לבות אחרות?

1. cuda cores: אלה יחידות עיבוד קטנות שמסגלות לבצע עיבוד מקביל. הן צרובות על הכרטיס גרפי של חברת Nvidia.

2. חוץ מ cuda cores ישנם גם tensor cores.

מה ההבדלים בין לבות של CPU ולבות של GPU?

1. מטרות: CPU נועדו כדי לבצע מספר פקודות בו זמנית, לאומת GPU ליבה מבצע ברגע נתון פעולה אחת בלבד.

2. ליבת CPU זה יחידה חזקה וגדולה (פיזית יחסית ליבה של GPU). ליבת GPU זו יחידה יותר פשוטה וקטנה.

3. ליבות GPU מתאימות לעיבוד מקבילי לאומת ליבות CPU מתאימות לעיבוד סדרתי.