- Machine Learning
- GPU
- Parallel Computing
- Image Processing
- C++
- Cuda
- Python Programming
- Thread (Computing)
- Algorithms
- C/C++
- Nvidia
- Data Science
Spécialisation GPU Programming
Solve Challenges with Powerful GPUs. Develop mastery in high performance computing and apply to numerous fields.
Offert par
Spécialisation GPU ProgrammingUniversité Johns-HopkinsCe que vous allez apprendre
Develop CUDA software for running massive computations on commonly available hardware
Utilize libraries that bring well-known algorithms to software without need to redevelop existing capabilities
Students will learn how to develop concurrent software in Python and C/C++ programming languages.
Students will gain an introductory level of understanding of GPU hardware and software architectures.
Compétences que vous acquerrez
À propos de ce Spécialisation
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.
Projet d'apprentissage appliqué
Learners will complete at least 2 projects that allow them the freedom to explore CUDA-based solutions to image/signal processing, as well as a topic of choosing, which can come from their current or future professional career. They will also create short demonstrations of their efforts and share their code.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
Cours en ligne à 100 %
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Planning flexible
Définissez et respectez des dates limites flexibles.
Niveau intermédiaire
At least 1 year of computer programming experience, preferrably with the C/C++ programming language.
Approximativement 5 mois pour terminer
Rythme recommandé de 4 heures/semaine
Anglais
Sous-titres : Anglais
Certificat partageable
Obtenez un Certificat lorsque vous terminez
Cours en ligne à 100 %
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Planning flexible
Définissez et respectez des dates limites flexibles.
Niveau intermédiaire
At least 1 year of computer programming experience, preferrably with the C/C++ programming language.
Approximativement 5 mois pour terminer
Rythme recommandé de 4 heures/semaine
Anglais
Sous-titres : Anglais
Comment fonctionne la Spécialisation
Suivez les cours
Une Spécialisation Coursera est une série de cours axés sur la maîtrise d'une compétence. Pour commencer, inscrivez-vous directement à la Spécialisation ou passez en revue ses cours et choisissez celui par lequel vous souhaitez commencer. Lorsque vous vous abonnez à un cours faisant partie d'une Spécialisation, vous êtes automatiquement abonné(e) à la Spécialisation complète. Il est possible de terminer seulement un cours : vous pouvez suspendre votre formation ou résilier votre abonnement à tout moment. Rendez-vous sur votre tableau de bord d'étudiant pour suivre vos inscriptions aux cours et vos progrès.
Projet pratique
Chaque Spécialisation inclut un projet pratique. Vous devez réussir le(s) projet(s) pour terminer la Spécialisation et obtenir votre Certificat. Si la Spécialisation inclut un cours dédié au projet pratique, vous devrez terminer tous les autres cours avant de pouvoir le commencer.
Obtenir un Certificat
Lorsque vous aurez terminé tous les cours et le projet pratique, vous obtiendrez un Certificat que vous pourrez partager avec des employeurs éventuels et votre réseau professionnel.
Cette Spécialisation compte 4 cours
Introduction to Concurrent Programming with GPUs
This course will help prepare students for developing code that can process large amounts of data in parallel. It will focus on foundational aspects of concurrent programming, such as CPU/GPU architectures, multithreaded programming in C and Python, and an introduction to CUDA software/hardware.
Introduction to Parallel Programming with CUDA
This course will help prepare students for developing code that can process large amounts of data in parallel on Graphics Processing Units (GPUs). It will learn on how to implement software that can solve complex problems with the leading consumer to enterprise-grade GPUs available using Nvidia CUDA. They will focus on the hardware and software capabilities, including the use of 100s to 1000s of threads and various forms of memory.
CUDA at Scale for the Enterprise
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.
CUDA Advanced Libraries
This course will complete the GPU specialization, focusing on the leading libraries distributed as part of the CUDA Toolkit. Students will learn how to use CuFFT, and linear algebra libraries to perform complex mathematical computations. The Thrust library’s capabilities in representing common data structures and associated algorithms will be introduced. Using cuDNN and cuTensor they will be able to develop machine learning applications that help with object detection, human language translation and image classification.
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.
Foire Aux Questions
Quelle est la politique de remboursement ?
Puis-je m'inscrire à un seul cours ?
Une aide financière est-elle possible ?
Puis-je suivre le cours gratuitement ?
Ce cours est-il vraiment accessible en ligne à 100 % ? Dois-je assister à certaines activités en personne ?
Quelle est la durée nécessaire pour terminer la Spécialisation ?
What background knowledge is necessary?
Do I need to take the courses in a specific order?
Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
What will I be able to do upon completing the Specialization?
D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.
