Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken für GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n<\/p>\n
Einführung<\/strong>\n<\/p>\n\nTreffen Sie den Ausbilder.<\/li>Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join<\/li><\/ul>Einführung in CUDA Python mit Numba<\/strong>\n<\/p>\n\nBeginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.<\/li>Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.<\/li>Optimieren Sie die Speicherübertragungen vom Host zum Gerät und vom Gerät zum Host.<\/li><\/ul>Benutzerdefinierte CUDA-Kernel in Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die Möglichkeiten paralleler Programme erweitern können.<\/li>Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.<\/li>Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen während der parallelen Ausführung zu vermeiden.<\/li><\/ul>Mehrdimensionale Raster und gemeinsamer Speicher für CUDA Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.<\/li>Nutzung des gemeinsamen Speichers auf dem Gerät zur Förderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}
Einführung in CUDA Python mit Numba<\/strong>\n<\/p>\n\nBeginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.<\/li>Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.<\/li>Optimieren Sie die Speicherübertragungen vom Host zum Gerät und vom Gerät zum Host.<\/li><\/ul>Benutzerdefinierte CUDA-Kernel in Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die Möglichkeiten paralleler Programme erweitern können.<\/li>Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.<\/li>Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen während der parallelen Ausführung zu vermeiden.<\/li><\/ul>Mehrdimensionale Raster und gemeinsamer Speicher für CUDA Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.<\/li>Nutzung des gemeinsamen Speichers auf dem Gerät zur Förderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}
Benutzerdefinierte CUDA-Kernel in Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die Möglichkeiten paralleler Programme erweitern können.<\/li>Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.<\/li>Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen während der parallelen Ausführung zu vermeiden.<\/li><\/ul>Mehrdimensionale Raster und gemeinsamer Speicher für CUDA Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.<\/li>Nutzung des gemeinsamen Speichers auf dem Gerät zur Förderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}
Mehrdimensionale Raster und gemeinsamer Speicher für CUDA Python mit Numba<\/strong>\n<\/p>\n\nLernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.<\/li>Nutzung des gemeinsamen Speichers auf dem Gerät zur Förderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.<\/li><\/ul>Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}
Abschlussbericht<\/strong>\n<\/p>\n\nBesprechung der wichtigsten Erkenntnisse und abschliessende Fragen.<\/li>Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.<\/li>Nehmen Sie an der Workshop-Umfrage teil.<\/li><\/ul>","comments":"Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte <\/use><\/svg>hier<\/a><\/span>.<\/em><\/p>","summary":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\nBitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}
In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme für die Ausführung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.<\/p>\n
Bitte beachten Sie, dass eine einmal bestätigte Buchung nicht mehr rückerstattet werden kann. Das bedeutet, dass Sie Ihren Platz für eine Veranstaltung nach der Bestätigung nicht mehr stornieren können und keine Rückerstattung erfolgt, unabhängig von der Teilnahme an der Veranstaltung.<\/em><\/p>","objective_plain":"Am Ende des Workshops werden Sie die grundlegenden Werkzeuge und Techniken f\u00fcr GPU-beschleunigte Python-Anwendungen mit CUDA und Numba kennenlernen:\n\n\n\n- GPU-Beschleunigung von NumPy-ufuncs mit ein paar Zeilen Code.\n- Konfigurieren Sie die Code-Parallelisierung mithilfe der CUDA-Thread-Hierarchie.\n- Schreiben Sie benutzerdefinierte CUDA-Ger\u00e4tekernel f\u00fcr maximale Leistung und Flexibilit\u00e4t.\n- Verwenden Sie Memory Coalescing und On-Device Shared Memory, um die CUDA Kernel-Bandbreite zu erh\u00f6hen.","essentials_plain":"- Grundlegende Python-Kenntnisse, einschliesslich Vertrautheit mit Variablentypen, Schleifen, bedingten Anweisungen, Funktionen und Array-Manipulationen\n- NumPy-Kenntnisse, einschliesslich der Verwendung von ndarrays und ufuncs\n- Es sind keine Vorkenntnisse in der CUDA-Programmierung erforderlich.","outline_plain":"Einf\u00fchrung\n\n\n\n- Treffen Sie den Ausbilder.\n- Erstellen Sie ein Konto bei https:\/\/learn.nvidia.com\/join\nEinf\u00fchrung in CUDA Python mit Numba\n\n\n\n- Beginn der Arbeit mit dem Numba-Compiler und der CUDA-Programmierung in Python.\n- Verwenden Sie Numba-Dekoratoren zur GPU-Beschleunigung von numerischen Python-Funktionen.\n- Optimieren Sie die Speicher\u00fcbertragungen vom Host zum Ger\u00e4t und vom Ger\u00e4t zum Host.\nBenutzerdefinierte CUDA-Kernel in Python mit Numba\n\n\n\n- Lernen Sie die parallele Thread-Hierarchie von CUDA kennen und erfahren Sie, wie Sie die M\u00f6glichkeiten paralleler Programme erweitern k\u00f6nnen.\n- Starten Sie massiv parallele benutzerdefinierte CUDA-Kernel auf der GPU.\n- Verwenden Sie atomare CUDA-Operationen, um Wettlaufbedingungen w\u00e4hrend der parallelen Ausf\u00fchrung zu vermeiden.\nMehrdimensionale Raster und gemeinsamer Speicher f\u00fcr CUDA Python mit Numba\n\n\n\n- Lernen Sie, wie man mehrdimensionale Gitter erstellt und wie man parallel an 2D-Matrizen arbeitet.\n- Nutzung des gemeinsamen Speichers auf dem Ger\u00e4t zur F\u00f6rderung der Speicherkoaleszenz bei der Umformung von 2D-Matrizen.\nAbschlussbericht\n\n\n\n- Besprechung der wichtigsten Erkenntnisse und abschliessende Fragen.\n- Schliessen Sie die Bewertung ab, um ein Zertifikat zu erhalten.\n- Nehmen Sie an der Workshop-Umfrage teil.","comments_plain":"Dieser Text wurde automatisiert \u00fcbersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.","summary_plain":"In diesem Kurs erfahren Sie, wie Sie Numba - den typspezialisierenden Just-in-Time-Python-Funktionscompiler - einsetzen, um Python-Programme f\u00fcr die Ausf\u00fchrung auf massiv parallelen NVIDIA-GPUs zu beschleunigen. Sie werden lernen, wie man: - Numba zum Kompilieren von CUDA-Kerneln aus NumPy-Universalfunktionen (ufuncs) verwenden. Mit Numba benutzerdefinierte CUDA-Kernel erstellen und starten - Wichtige GPU-Speicherverwaltungstechniken anwenden Nach Abschluss des Kurses werden Sie in der Lage sein, mit Numba CUDA-Kernel zu kompilieren und zu starten, um Ihre Python-Anwendungen auf NVIDIA-GPUs zu beschleunigen.\n\nBitte beachten Sie, dass eine einmal best\u00e4tigte Buchung nicht mehr r\u00fcckerstattet werden kann. Das bedeutet, dass Sie Ihren Platz f\u00fcr eine Veranstaltung nach der Best\u00e4tigung nicht mehr stornieren k\u00f6nnen und keine R\u00fcckerstattung erfolgt, unabh\u00e4ngig von der Teilnahme an der Veranstaltung.","skill_level":"Beginner","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"US":{"country":"US","currency":"USD","taxrate":null,"price":500},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":500},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":500},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":500},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":500},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":420},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":500},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":690}}},"lastchanged":"2025-11-11T16:22:08+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34485","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/nvidia-faccp"}}