This course will aid in students in learning in concepts that scale the use of GPUs and the CPUs that manage their use beyond the most common consumer-grade GPU installations. They will learn how to manage asynchronous workflows, sending and receiving events to encapsulate data transfers and control signals. Also, students will walk through application of GPUs to sorting of data and processing images, implementing their own software using these techniques and libraries.
Offert par
Spécialisation GPU ProgrammingUniversité Johns-HopkinsÀ propos de ce cours
2 514 consultations récentes
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 4 dans le
Niveau intermédiaire
Some experience in C/C++ programming
Approx. 29 heures pour terminer
Anglais
Sous-titres : Anglais
Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?
Essayez Coursera pour les affairesCe que vous allez apprendre
Students will learn to develop software that can be run in computational environments that include multiple CPUs and GPUs.
Students will develop software that uses CUDA to create interactive GPU computational processing kernels for handling asynchronous data.
Students will use CUDA, hardware memory capabilities, and algorithms/libraries to solve programming challenges including image processing.
Compétences que vous acquerrez
- Cuda
- Algorithms
- C/C++
- GPU
- Nvidia
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 3 sur 4 dans le
Niveau intermédiaire
Some experience in C/C++ programming
Approx. 29 heures pour terminer
Anglais
Sous-titres : Anglais
Votre entreprise pourrait-elle bénéficier de la formation des employés à des compétences recherchées ?
Essayez Coursera pour les affaires
Offert par
Université Johns-Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Programme de cours : ce que vous apprendrez dans ce cours
4 heures pour terminer
Course Overview
The purpose of this module is for students to understand how the course will be run, topics, how they will be assessed, and expectations.
4 heures pour terminer
3 vidéos (Total 11 min), 1 lecture, 1 quiz
10 heures pour terminer
Multiple CPU/GPU Systems
In professional settings, use of one CPU managing one GPU, is not a viable configuration to solve complex challenges. Students will apply CUDA capabilities for allowing multiple CPUs to communicate and manage software kernels on multiple GPUs. This will allow for scaling the size of input data and computational complexity. Students will learn the advantages and limitations of this form of synchronous processing.
10 heures pour terminer
7 vidéos (Total 32 min)
4 heures pour terminer
CUDA Events and Streams
Students will learn to utilize CUDA events and streams in their programs, to allow for asynchronous data and control flows. This will allow more interactive and long-lasting software, including analytic user interfaces, near live-streaming video or financial feeds, and dynamic business processing systems.
4 heures pour terminer
5 vidéos (Total 28 min), 2 lectures, 1 quiz
5 heures pour terminer
Sorting Using GPUs
The purpose of this module is for students to understand the basis in hardware and software that CUDA uses. This is required to appropriately develop software to optimally take advantage of GPU resources.
5 heures pour terminer
11 vidéos (Total 57 min), 1 lecture, 1 quiz
À propos du Spécialisation GPU Programming
This specialization is intended for data scientists and software developers to create software that uses commonly available hardware. Students will be introduced to CUDA and libraries that allow for performing numerous computations in parallel and rapidly. Applications for these skills are machine learning, image/audio signal processing, and data processing.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Une aide financière est-elle possible ?
Can I program on my own desktop/laptop
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
