日本のGPUトレーニング

日本（オンラインまたは現地開催）で行われるこの講師主導型実習授業は、OpenACCを用いて異種混在環境向けプログラミングを行い、並列性を活用したい初心者から中級レベルの開発者を対象としています。

受講後には以下のスキルが身につきます：

• OpenACC用の開発環境のセットアップ
• 基本的なOpenACCプログラムの作成と実行
• OpenACCの指示子や句を使用したコード記述
• OpenACC APIおよびライブラリの活用方法
• OpenACCプログラムのプロファイリング、デバッグ、最適化手法

日本（オンラインまたは対面）で実施されるこの講座は、GPUプログラミングの基礎や主要フレームワーク・ツールを習得したい初心者から中級レベルの開発者向けです。

• 本講座を受講後には、以下ができるようになります：
  CPU処理とGPU処理の違い、およびGPUプログラミングの利点と課題を理解する。
• ご自身のアプリケーションに適したフレームワークやツールを選択できる。
• 複数のフレームワーク・ツールを用いてベクトル加算処理を行う基本的なGPUプログラムを作成できる。
• それぞれのAPI、言語、ライブラリを用いてデバイス情報の照会やメモリの確保・解放、ホストとデバイス間でのデータ転送、カーネルの実行、スレッド同期処理などが行える。
• グローバル、ローカル、定数、プライベートといった各種メモリ空間を活用し、データ転送やアクセスの最適化を行える。
• ワークアイテム、ワークグループ、スレッド、ブロック、グリッドといった実行モデルを用いて並列処理の制御が可能になる。
• CodeXL、CUDA-GDB、CUDA-MEMCHECK、NVIDIA Nsightなどのツールを使ってGPUプログラムのデバッグやテストが行える。
• データ結合化、キャッシュ活用、プリフェッチング、プロファイリングといった手法を用いてGPUプログラムの最適化ができる。

本講座は講師によるライブ研修（オンラインまたは会場開催）で、GPUプログラミングに興味があり、複数のフレームワークを比較検討したい初心者から中級レベルの開発者を対象としています。

講座終了後、受講生は以下のことができるようになります：

• OpenCL SDK、CUDA Toolkit、ROCmプラットフォーム、OpenCL・CUDA・ROCm対応のデバイス、そしてVisual Studio Codeを備えた開発環境を構築する
• OpenCL、CUDA、ROCmそれぞれを用いてベクター加算処理を行う基本的なGPUプログラムを作成し、各フレームワークの構文や構造、実行特性を比較する
• 各APIを利用してデバイス情報の照会、メモリの確保・解放、ホストとデバイス間でのデータ転送、カーネルの起動、スレッド同期処理などを行う
• それぞれの言語を用いて、デバイス上で実行されデータを操作するカーネルプログラムを記述する
• 各フレームワークが提供する組み込み関数や変数、ライブラリを用いて一般的な処理を行う
• global、local、constant、privateといったメモリ領域を活用し、データ転送およびメモリアクセスの最適化を実現する
• 各フレームワークの実行モデルを用いてスレッドやブロック、グリッドの制御を行い並列処理を管理する
• CodeXL、CUDA-GDB、CUDA-MEMCHECK、NVIDIA NsightといったツールでGPUプログラムのデバッグやテストを行う
• データ結合化、キャッシュ活用、プリフェッチング、プロファイリングなどの技術を用いてGPUプログラムを最適化する

この講義形式の実習（オンラインまたは対面）は、Windows上でROCmを導入しAMD GPU向けのプログラミングを行いたい初心者から中級レベルの開発者向けです。

本講座を修了することで受講者には以下の能力が身につきます：

• Windows上にROCmプラットフォーム、AMD GPUおよびVisual Studio Codeを組み合わせた開発環境を構築できる。
• GPU上でベクトル加算処理を行いその結果をメモリから取得する基本的なROCmプログラムを作成できる。
• ROCm APIを用いてデバイス情報の照会、メモリの確保・解放、ホストとデバイスの間でのデータ転送、カーネルの起動やスレッド同期化を行える。
• HIP言語を活用してGPU上で実行可能なカーネルコードを記述しデータ操作ができる。
• HIPに備わる組み込み関数・変数・ライブラリを用いて一般的な処理を行える。
• グローバル、共有、定数、ローカルといったROCmおよびHIPにおける各種メモリスペースを活用しデータ転送やメモリアクセスの最適化ができる。
• スレッド、ブロック、グリッドといった概念を用いて並列処理の構成制御を行える。
• ROCmデバッガーやROCmプロファイラーなどのツールでROCmおよびHIPプログラムのデバッグ・テストができる。
• コアレス化、キャッシュ利用、プリフェッチング、プロファイリングといった手法によりログラムを最適化できる。

日本（オンラインまたは対面）で行われるこのインストラクター主導の実践研修は、ROCmおよびHIPを用いてAMD GPUプログラミングを行い、その並列処理能力を最大限に活用したい初心者から中級レベルの開発者向けです。

研修終了時には、参加者は以下のことができるようになります：

• ROCmプラットフォーム、AMD GPU、およびVisual Studio Codeを含む開発環境の構築
• GPU上でベクトル加算処理を行い、結果をGPUメモリから取得する基本的なROCmプログラムの作成
• ROCm APIを用いてデバイス情報の照会やメモリ確保・解放、ホストとデバイス間でのデータ転送、カーネルの起動およびスレッド同期の実施
• HIP言語を利用してGPU上で実行可能なカーネルを記述し、データを操作すること
• HIPが提供する組み込み関数や変数、ライブラリを用いて一般的な処理の実装
• グローバルメモリ、共有メモリ、定数メモリ、ローカルメモリといったROCmおよびHIPの各種メモリ領域を活用してデータ転送やアクセス効率の最適化
• スレッド・ブロック・グリッド構造を用いて並列処理の実行形態を制御すること
• ROCm DebuggerやROCm ProfilerといったツールでROCmおよびHIPプログラムのデバッグやテストを行うこと
• コールシージング、キャッシュ化、プリフェッチ、プロファイリングなどの手法を用いてプログラム性能を最適化すること

日本にて実施されるこのインストラクター主導のライブトレーニングは、CUDAを使ってNVIDIA GPU上で並列処理を行いたい初心者から中級レベルの開発者の方々向けです。

講座終了後には、以下のスキルを身につけることができます：

• CUDA Toolkit、NVIDIA GPU、Visual Studio Codeを含む開発環境の構築方法
• GPU上でベクトル加算処理を行い、その結果をホストメモリに取得する基本的なCUDAプログラムの作成法
• CUDA APIを用いてデバイス情報の照会やメモリ確保・解放、データ転送、カーネル起動、スレッド同期処理の実施方法
• GPU上で実行されるカーネルを記述し、データを操作するためのCUDA C/C++言語の利用法
• 一般的なタスクの実行に役立つCUDA組み込み関数・変数・ライブラリの活用方法
• グローバルメモリや共有メモリ、定数メモリ、ローカルメモリといった各種メモリ領域を利用してデータ転送とアクセス効率化を行う手法
• スレッド・ブロック・グリッドといった要素を用いて並列処理の構成や制御を行うCUDA実行モデルの使い方
• CUDA-GDB、CUDA-MEMCHECK、NVIDIA Nsightといったツールを用いたプログラムのデバッグおよびテスト方法
• データ結合化処理やキャッシュ利用、プリフェッチング、パフォーマンス解析などの手法でプログラムを最適化する技法

97%のクライアント様から高評価をいただいています。

日本において開催されるこのインストラクター主導の実践的トレーニング（オンラインまたは対面）では、初心者レベルのシステム管理者やIT専門家がCUDA環境を設置・設定・管理し、問題解決に取り組むための手法を学びます。

受講終了後には以下の能力が身につきます：

• CUDAの仕組み、構成要素、機能について理解できる
• CUDA環境を正しくインストール・設定できる
• CUDAリソースを適切に管理・最適化できる
• 一般的なCUDA関連トラブルを解決できる

本講座はインストラクターが直接指導するライブトレーニング（オンラインまたは現地開催）で、OpenCLを用いてさまざまなデバイス上の並列処理プログラミングを行いたい初心者から中級者向けです。

講座終了時には受講生は以下のことが可能になります：

• OpenCL SDK、OpenCL対応デバイス、Visual Studio Codeを含む開発環境の構築
• デバイス上でベクトル加算処理を行い、その結果をメモリから取得する基本的なOpenCLプログラムの作成
• OpenCL APIを用いてデバイス情報の照会やコンテキスト・コマンドキュー・バッファ・カーネル・イベントの生成
• OpenCL C言語を利用して、デバイス上で実行されるカーネルプログラムの作成とデータ操作
• 組み込み関数や拡張機能・ライブラリを用いた一般的な処理の実装方法の習得
• OpenCLのホストおよびデバイス用メモリモデルを活用したデータ転送やアクセスの最適化技術の理解
• OpenCL実行モデルを用いたワークアイテム・ワークグループ・ND範囲の制御方法の習得
• CodeXLやIntel VTune、NVIDIA Nsightといったツールを活用したOpenCLプログラムのデバッグとテスト手法の修得
• ベクタリゼーション・ループアンローリング・ローカルメモリ・プロファイリングといった技法を用いたOpenCLプログラムの最適化技術の理解

本講座は日本にて実施されるインストラクター主導のライブトレーニング（オンライン／会場）で、CUDAを利用してアプリケーション高速化や高性能GPUカーネルの作成、科学計算・データ処理・機械学習向け並列アルゴリズムライブラリ活用を目指すC++開発者様に最適な内容です。

この講師主導のライブトレーニングは 日本 にて（オンラインまたは対面）開催され、データ処理、科学計算シミュレーション、機械学習や画像処理パイプラインといった高負荷なアプリケーションをCUDAで高速化したいC/C++開発者向けに行われます。

日本で実施されるこの講義形式の実習コース（オンラインまたは現地開催）では、TensorFlow 2.xおよびKerasを活用してコンピュータビジョン、自然言語処理、複数モダリティ対応アプリケーション向けの深層学習モデルを構築・訓練・展開したいと考えるソフトウェア開発者やデータ分析担当者、技術専門家が対象となります。

日本にて開催される本講座では、並列計算向けにGPUをプログラムする方法や各種プラットフォームの活用法、CUDAプラットフォームとその機能の利用法、さらにCUDAを用いた最適化技術について学びます。具体例としては深層学習、データ解析、画像処理、工学アプリケーションなどが挙げられます。