Cursos de GPU en Mérida

Huawei Ascend es una familia de procesadores de IA diseñados para inferencia y entrenamiento de alto rendimiento.

Este curso dirigido por un instructor (en línea o presencial) está destinado a ingenieros de AI intermedios y científicos de datos que desean desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al final de este entrenamiento, los participantes podrán:

• Configurar y configurar el entorno de desarrollo CANN.
• Desarrollar aplicaciones AI usando MindSpore y flujos de trabajo CloudMatrix.
• Optimizar el rendimiento en Ascend NPUs utilizando operadores personalizados y tiling.
• Implementar modelos en entornos edge o cloud.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de Huawei Ascend y el kit de herramientas CANN en aplicaciones de muestra.
• Ejercicios guiados enfocados en la construcción, entrenamiento e implementación del modelo.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso basado en su infraestructura o conjuntos de datos, contáctenos para organizarlo.

Huawei’s AI stack — from the low-level CANN SDK to the high-level MindSpore framework — offers a tightly integrated AI development and deployment environment optimized for Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level technical professionals who wish to understand how the CANN and MindSpore components work together to support AI lifecycle management and infrastructure decisions.

By the end of this training, participants will be able to:

• Understand the layered architecture of Huawei’s AI compute stack.
• Identify how CANN supports model optimization and hardware-level deployment.
• Evaluate the MindSpore framework and toolchain in relation to industry alternatives.
• Position Huawei's AI stack within enterprise or cloud/on-prem environments.

Format of the Course

• Interactive lecture and discussion.
• Live system demos and case-based walkthroughs.
• Optional guided labs on model flow from MindSpore to CANN.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar OpenACC para programar dispositivos heterogéneos y explotar su paralelismo.

Al final de esta formación, los participantes serán capaces de:

• Configure un entorno de desarrollo OpenACC.
• Escribir y ejecutar un programa básico de OpenACC.
• Anote el código con directivas y cláusulas OpenACC.
• Utilice la API y las bibliotecas de OpenACC.
• Perfile, depure y optimice los programas OpenACC.

The CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.

By the end of this training, participants will be able to:

• Deploy and optimize CV and NLP models using CANN and AscendCL.
• Use CANN tools to convert models and integrate them into live pipelines.
• Optimize inference performance for tasks like detection, classification, and sentiment analysis.
• Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab with model deployment and performance profiling.
• Live pipeline design using real CV and NLP use cases.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen aprender los conceptos básicos de la programación GPU y los principales marcos y herramientas para desarrollar aplicaciones GPU.

• Al final de esta capacitación, los participantes serán capaces de:
  Comprender la diferencia entre la CPU y la computación GPU y los beneficios y desafíos de la programación GPU.
• Elija el marco y la herramienta adecuados para su aplicación GPU.
• Cree un programa básico GPU que realice la suma de vectores utilizando uno o más de los marcos y herramientas.
• Utilice las API, los lenguajes y las bibliotecas respectivos para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
• Utilice los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilice los modelos de ejecución respectivos, como elementos de trabajo, grupos de trabajo, subprocesos, bloques y cuadrículas, para controlar el paralelismo.
• Depurar y probar GPU programas utilizando herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimice GPU los programas mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.

CANN TIK (Tensor Instruction Kernel) and Apache TVM enable advanced optimization and customization of AI model operators for Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at advanced-level system developers who wish to build, deploy, and tune custom operators for AI models using CANN’s TIK programming model and TVM compiler integration.

By the end of this training, participants will be able to:

• Write and test custom AI operators using the TIK DSL for Ascend processors.
• Integrate custom ops into the CANN runtime and execution graph.
• Use TVM for operator scheduling, auto-tuning, and benchmarking.
• Debug and optimize instruction-level performance for custom computation patterns.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on coding of operators using TIK and TVM pipelines.
• Testing and tuning on Ascend hardware or simulators.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar diferentes marcos para GPU programación y comparar sus características, rendimiento y compatibilidad.

Al final de esta formación, los participantes serán capaces de:

• Configure un entorno de desarrollo que incluya OpenCL SDK, CUDA Toolkit, ROCm Platform, un dispositivo que admita OpenCL, CUDA o ROCm y Visual Studio Code.
• Cree un programa básico GPU que realice la adición de vectores utilizando OpenCL, CUDA y ROCm, y compare la sintaxis, la estructura y la ejecución de cada marco.
• Utilice las API respectivas para consultar información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
• Utilice los lenguajes respectivos para escribir kernels que se ejecuten en el dispositivo y manipulen los datos.
• Utilice las funciones, variables y bibliotecas integradas respectivas para realizar tareas y operaciones comunes.
• Utilice los espacios de memoria respectivos, como global, local, constante y privado, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilice los modelos de ejecución respectivos para controlar los subprocesos, bloques y cuadrículas que definen el paralelismo.
• Depura y prueba programas GPU con herramientas como CodeXL, CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimice GPU programas mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.

CloudMatrix es la plataforma unificada de desarrollo y despliegue de IA de Huawei diseñada para apoyar tuberías de inferencia escalables y de grado de producción.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está destinada a profesionales de AI de nivel principiante a intermedio que desean implementar y monitorear modelos de IA utilizando la plataforma CloudMatrix con integración de CANN y MindSpore.

Al finalizar esta formación, los participantes podrán:

• Usar CloudMatrix para empaquetar, implementar y servir modelos.
• Convertir y optimizar modelos para chipsets Ascend.
• Configurar tuberías para tareas de inferencia en tiempo real y por lotes.
• Monitorear implementaciones y ajustar el rendimiento en entornos de producción.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de CloudMatrix con escenarios de implementación reales.
• Ejercicios guiados enfocados en conversión, optimización y escalabilidad.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso basada en su infraestructura de IA o entorno en la nube, contáctenos para coordinar.

Huawei's Ascend CANN toolkit enables powerful AI inference on edge devices such as the Ascend 310. CANN provides essential tools for compiling, optimizing, and deploying models where compute and memory are constrained.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and integrators who wish to deploy and optimize models on Ascend edge devices using the CANN toolchain.

By the end of this training, participants will be able to:

• Prepare and convert AI models for Ascend 310 using CANN tools.
• Build lightweight inference pipelines using MindSpore Lite and AscendCL.
• Optimize model performance for limited compute and memory environments.
• Deploy and monitor AI applications in real-world edge use cases.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work with edge-specific models and scenarios.
• Live deployment examples on virtual or physical edge hardware.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen instalar y usar ROCm en Windows para programar AMD GPU y explotar su paralelismo.

Al final de esta capacitación, los participantes serán capaces de:

• Configure un entorno de desarrollo que incluya la plataforma ROCm, un código AMD GPU y Visual Studio en Windows.
• Cree un programa ROCm básico que realice la suma de vectores en GPU y recupere los resultados de la memoria GPU.
• Utilice la API ROCm para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
• Utilice el lenguaje HIP para escribir kernels que se ejecuten en el GPU y manipulen los datos.
• Utilice las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
• Utilice los espacios de memoria ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilice los modelos de ejecución ROCm y HIP para controlar los subprocesos, los bloques y las cuadrículas que definen el paralelismo.
• Depure y pruebe programas ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimice los programas ROCm y HIP mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la creación de perfiles.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen usar ROCm y HIP para programar AMD GPU y explotar su paralelismo.

Al final de esta capacitación, los participantes serán capaces de:

• Configure un entorno de desarrollo que incluya la plataforma ROCm, un código AMD GPU y Visual Studio.
• Cree un programa ROCm básico que realice la suma de vectores en GPU y recupere los resultados de la memoria GPU.
• Utilice la API ROCm para consultar la información del dispositivo, asignar y desasignar la memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
• Utilice el lenguaje HIP para escribir kernels que se ejecuten en el GPU y manipulen los datos.
• Utilice las funciones, variables y bibliotecas integradas de HIP para realizar tareas y operaciones comunes.
• Utilice los espacios de memoria ROCm y HIP, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilice los modelos de ejecución ROCm y HIP para controlar los subprocesos, los bloques y las cuadrículas que definen el paralelismo.
• Depure y pruebe programas ROCm y HIP utilizando herramientas como ROCm Debugger y ROCm Profiler.
• Optimice los programas ROCm y HIP mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la creación de perfiles.

CANN (Compute Architecture for Neural Networks) is Huawei’s AI computing toolkit used to compile, optimize, and deploy AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at beginner-level AI developers who wish to understand how CANN fits into the model lifecycle from training to deployment, and how it works with frameworks like MindSpore, TensorFlow, and PyTorch.

By the end of this training, participants will be able to:

• Understand the purpose and architecture of the CANN toolkit.
• Set up a development environment with CANN and MindSpore.
• Convert and deploy a simple AI model to Ascend hardware.
• Gain foundational knowledge for future CANN optimization or integration projects.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with simple model deployment.
• Step-by-step walkthrough of the CANN toolchain and integration points.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Ascend, Biren y Cambricon son plataformas de hardware de IA líderes en China, cada una ofrece herramientas únicas de aceleración y perfilado para cargas de trabajo de IA a escala de producción.

Esta formación dirigida por instructores (en línea o presencial) está orientada a ingenieros avanzados de infraestructura e IA y rendimiento que desean optimizar flujos de trabajo de inferencia y entrenamiento de modelos en múltiples plataformas de chips AI chinos.

Al final de esta formación, los participantes podrán:

• Benchmarkear modelos en las plataformas Ascend, Biren y Cambricon.
• Identificar cuellos de botella del sistema e ineficiencias de memoria/cómputo.
• Aplicar optimizaciones a nivel de gráficos, núcleos y operadores.
• Ajustar pipelines de despliegue para mejorar el rendimiento y la latencia.

Formato del Curso

• Conferencias interactivas y discusiones.
• Uso práctico de herramientas de perfilado y optimización en cada plataforma.
• Ejercicios guiados enfocados en escenarios de ajuste prácticos.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso basada en su entorno de rendimiento o tipo de modelo, por favor contáctenos para organizarlo.

CANN SDK (Compute Architecture for Neural Networks) is Huawei’s AI compute foundation that allows developers to fine-tune and optimize the performance of deployed neural networks on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI developers and system engineers who wish to optimize inference performance using CANN’s advanced toolset, including the Graph Engine, TIK, and custom operator development.

By the end of this training, participants will be able to:

• Understand CANN's runtime architecture and performance lifecycle.
• Use profiling tools and Graph Engine for performance analysis and optimization.
• Create and optimize custom operators using TIK and TVM.
• Resolve memory bottlenecks and improve model throughput.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with real-time profiling and operator tuning.
• Optimization exercises using edge-case deployment examples.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Las arquitecturas GPU chinas, como Huawei Ascend, Biren y Cambricon MLUs, ofrecen alternativas a CUDA adaptadas para los mercados de IA y HPC locales.

Este entrenamiento en vivo (en línea u onsite) dirigido por un instructor está destinado a programadores avanzados de GPU y especialistas en infraestructura que desean migrar y optimizar aplicaciones existentes de CUDA para su implementación en plataformas de hardware chinas.

Al finalizar este entrenamiento, los participantes podrán:

• Evaluando la compatibilidad de las cargas de trabajo existentes de CUDA con alternativas de chips chinos.
• Migrar bases de código de CUDA a entornos Huawei CANN, Biren SDK y Cambricon BANGPy.
• Comparar el rendimiento e identificar puntos de optimización en distintas plataformas.
• Abordar desafíos prácticos en el soporte y la implementación entre arquitecturas.

Formato del Curso

• Charlas interactivas y discusiones.
• Laboratorios de traducción de código y comparaciones de rendimiento prácticos.
• Ejercicios guiados enfocados en estrategias de adaptación multi-GPU.

Opciones para la Personalización del Curso

• Para solicitar una capacitación personalizada basada en su plataforma o proyecto CUDA, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores de nivel principiante a intermedio que desean usar CUDA para programar NVIDIA GPU y explotar su paralelismo.

Al final de esta formación, los participantes serán capaces de:

• Configure un entorno de desarrollo que incluya CUDA Toolkit, un código NVIDIA GPU y Visual Studio.
• Cree un programa CUDA básico que realice la adición de vectores en el GPU y recupere los resultados de la memoria GPU.
• Utilice la API de CUDA para consultar información del dispositivo, asignar y desasignar memoria del dispositivo, copiar datos entre el host y el dispositivo, iniciar kernels y sincronizar subprocesos.
• Utilice el lenguaje CUDA C/C++ para escribir kernels que se ejecuten en el GPU y manipulen los datos.
• Utilice las funciones, variables y bibliotecas integradas de CUDA para realizar tareas y operaciones comunes.
• Utilice los espacios de memoria CUDA, como global, compartido, constante y local, para optimizar las transferencias de datos y los accesos a la memoria.
• Utilice el modelo de ejecución de CUDA para controlar los subprocesos, bloques y cuadrículas que definen el paralelismo.
• Depure y pruebe programas CUDA con herramientas como CUDA-GDB, CUDA-MEMCHECK y NVIDIA Nsight.
• Optimice los programas CUDA mediante técnicas como la fusión, el almacenamiento en caché, la captura previa y la generación de perfiles.

El 97% de los clientes satisfacen. 

CANN (Compute Architecture for Neural Networks) is Huawei’s AI compute stack for deploying and optimizing AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and engineers who wish to deploy trained AI models efficiently to Huawei Ascend hardware using the CANN toolkit and tools such as MindSpore, TensorFlow, or PyTorch.

By the end of this training, participants will be able to:

• Understand the CANN architecture and its role in the AI deployment pipeline.
• Convert and adapt models from popular frameworks to Ascend-compatible formats.
• Use tools like ATC, OM model conversion, and MindSpore for edge and cloud inference.
• Diagnose deployment issues and optimize performance on Ascend hardware.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work using CANN tools and Ascend simulators or devices.
• Practical deployment scenarios based on real-world AI models.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Los aceleradores AI de Biren son GPU de alto rendimiento diseñados para cargas de trabajo de IA y HPC, con soporte para entrenamiento y inferencia a gran escala.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está destinada a desarrolladores de nivel intermedio a avanzado que desean programar y optimizar aplicaciones utilizando la pila propietaria GPU de Biren, con comparaciones prácticas con entornos basados en CUDA.

Al final de esta formación, los participantes podrán:

• Comprender la arquitectura y jerarquía de memoria de Biren GPU.
• Configurar el entorno de desarrollo e implementar el modelo de programación de Biren.
• Traducir y optimizar código estilo CUDA para plataformas Biren.
• Aplicar técnicas de ajuste de rendimiento y depuración.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico del SDK Biren en cargas de trabajo de muestra GPU.
• Ejercicios guiados enfocados en el porting y ajuste de rendimiento.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso basada en su pila de aplicaciones o necesidades de integración, por favor contáctenos para organizarlo.

Las unidades MLU de Cambricon (Machine Learning) son chips especializados en IA optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está destinada a desarrolladores intermedios que desean construir y desplegar modelos de IA utilizando el marco BANGPy y el SDK Neuware en hardware MLU de Cambricon.

Al finalizar esta formación, los participantes podrán:

• Configurar y configurar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las unidades MLU de Cambricon.
• Desplegar modelos a dispositivos de borde y centros de datos que ejecutan el tiempo de ejecución Neuware.
• Integrar flujos de trabajo de IA con características de aceleración específicas de MLU.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de BANGPy y Neuware para desarrollo y despliegue.
• Ejercicios guiados enfocados en optimización, integración y pruebas.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada basada en el modelo de dispositivo Cambricon o caso de uso específico, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o en el sitio) está dirigida a administradores de sistemas de nivel principiante y profesionales de TI que deseen instalar, configurar, administrar y solucionar problemas de entornos CUDA.

Al final de esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura, los componentes y las capacidades de CUDA.
• Instalar y configurar entornos CUDA.
• Gestione y optimice los recursos de CUDA.
• Depurar y solucionar problemas comunes de CUDA.

Esta capacitación en vivo dirigida por un instructor en Mérida (en línea o en el sitio) está dirigida a desarrolladores de nivel principiante a intermedio que deseen usar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo.

Al final de esta capacitación, los participantes serán capaces de:

• Configure un entorno de desarrollo que incluya OpenCL SDK, un dispositivo que admita OpenCL y Visual Studio código.
• Cree un programa básico OpenCL que realice la suma de vectores en el dispositivo y recupere los resultados de la memoria del dispositivo.
• Utilice la API OpenCL para consultar información del dispositivo, crear contextos, colas de comandos, búferes, kernels y eventos.
• Utilice el lenguaje C OpenCL para escribir kernels que se ejecuten en el dispositivo y manipulen datos.
• Utilice OpenCL funciones, extensiones y bibliotecas integradas para realizar tareas y operaciones comunes.
• Utilice OpenCL modelos de memoria de host y dispositivo para optimizar las transferencias de datos y los accesos a la memoria.
• Utilice el modelo de ejecución OpenCL para controlar los elementos de trabajo, los grupos de trabajo y los intervalos ND.
• Depurar y probar OpenCL programas utilizando herramientas como CodeXL, Intel VTune y NVIDIA Nsight.
• Optimice OpenCL programas utilizando técnicas como la vectorización, el desenrollado de bucles, la memoria local y la creación de perfiles.

Esta formación impartida por un instructor en Mérida (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que deseen utilizar CUDA para construir aplicaciones Python que se ejecuten en paralelo en tarjetas NVIDIA GPU.

Al final de esta capacitación, los participantes serán capaces de:

• Utilizar el compilador Numba para acelerar aplicaciones Python que se ejecutan en GPUs de NVIDIA.
• Crear, compilar y lanzar kernels CUDA personalizados.
• Gestionar la memoria de GPU.
• Convertir una aplicación basada en CPU en una aplicación acelerada por GPU.

Este curso de capacitación en vivo dirigido por un instructor en Mérida cubre cómo programar GPU para computación paralela, cómo usar varias plataformas, cómo trabajar con la plataforma CUDA y sus características, y cómo realizar varias técnicas de optimización usando CUDA. Algunas de las aplicaciones incluyen aprendizaje profundo, análisis, procesamiento de imágenes y aplicaciones de ingeniería.