Inkscape Képzés

Huawei Ascend az olyan AI-processzor-család, amelyet magas teljesítményű következtetésre és tanításra terveztek.

Ez az oktató vezette, élő (online vagy helyszínen) képzés célja, hogy középfokú AI mérnökök és adat tudósok képesek legyenek neurális hálózati modelleket fejleszteni és optimalizálni Huawei Ascend platformján és a CANN eszközkészletén keresztül.

Ezen képzés végén a résztvevők képesek lesznek:

• Beállítani és konfigurálni a CANN fejlesztői környezetet.
• MindSpore és CloudMatrix munkafolyamatok használatával AI alkalmazásokat fejleszteni.
• Egyedi operátorok és cseréppel optimalizálni a teljesítményt Ascend NPU-kon.
• Modelleket telepíteni élére vagy felhő környezetbe.

A képzés formája

• Interaktív előadás és megbeszélés.
• Huawei Ascend és a CANN eszközkészlet használata mintaprojektekben.
• A modellépítés, tanítás és telepítésre koncentráló gyakorlati feladatok.

A képzés testreszabási lehetőségei

• A képzés infrasztraktúrája vagy adathalmazai alapján testreszabott képzés kérésére keressük meg, hogy megbeszéljük.

A Huawei CloudMatrix a Huawei által kifejlesztett, egységes AI-fejlesztési és telepítési platform, amelyet skálázható, gyártási szintű inferencia-pipelinek támogatására terveztek.

Ez az oktatóvezetett, élő tanfolyam (online vagy helyszínen) kezdő- és közepes szintű AI szakembereknek szánt, akik a CloudMatrix platform használatával szeretnék AI-modelleket telepíteni és monitorozni CANN és MindSpore integrációval.

Ez a tanfolyam végén a résztvevők képesek lesznek:

• CloudMatrix használata modell csomagolásához, telepítéséhez és szolgáltatásához.
• Modellek átalakítása és optimalizálása Ascend chipsetekre.
• Pipelinek beállítása valós idejű és tömbös inferencia feladatokhoz.
• Telepítések monitorozása és teljesítmény finomítása gyártási környezetben.

A tanfolyam formája

• Interaktív előadás és beszélgetés.
• CloudMatrix gyakorlati használata valós telepítési jelenetekkel.
• Átalakítás, optimalizálás és skálázásra összpontosító irányított gyakorlatok.

A tanfolyam testreszabási lehetőségei

• A tanfolyam AI-infrastruktúrája vagy felhői környezete alapján testreszabott képzés kérésére vegye fel velünk a kapcsolatot.

Biren AI Accelerators are high-performance GPUs designed for AI and HPC workloads with support for large-scale training and inference.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level developers who wish to program and optimize applications using Biren’s proprietary GPU stack, with practical comparisons to CUDA-based environments.

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

• Understand Biren GPU architecture and memory hierarchy.
• Set up the development environment and use Biren’s programming model.
• Translate and optimize CUDA-style code for Biren platforms.
• Apply performance tuning and debugging techniques.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of Biren SDK in sample GPU workloads.
• Guided exercises focused on porting and performance tuning.

Course Customization Options

• To request a customized training for this course based on your application stack or integration needs, please contact us to arrange.

Cambricon MLUs (Machine Learning Units) are specialized AI chips optimized for inference and training in edge and datacenter scenarios.

This instructor-led, live training (online or onsite) is aimed at intermediate-level developers who wish to build and deploy AI models using the BANGPy framework and Neuware SDK on Cambricon MLU hardware.

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

• Set up and configure the BANGPy and Neuware development environments.
• Develop and optimize Python- and C++-based models for Cambricon MLUs.
• Deploy models to edge and data center devices running Neuware runtime.
• Integrate ML workflows with MLU-specific acceleration features.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of BANGPy and Neuware for development and deployment.
• Guided exercises focused on optimization, integration, and testing.

Course Customization Options

• To request a customized training for this course based on your Cambricon device model or use case, please contact us to arrange.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő szintű rendszergazdáknak és informatikai szakembereknek szól, akik CUDA-környezeteket szeretnének telepíteni, konfigurálni, kezelni és hibaelhárítást végezni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a CUDA architektúráját, összetevőit és képességeit.
• Telepítse és konfigurálja a CUDA-környezeteket.
• Kezelje és optimalizálja a CUDA-erőforrásokat.
• Hibakeresés és a gyakori CUDA-problémák elhárítása.

Ez az oktató által vezetett, élő tanfolyam a Magyarország-ban (online vagy elhárítva) középső szintű fejlesztők számára, akik szeretnének CUDA használatát felmerni az Python alkalmazások létrehozására és párhuzamos futtatásukra NVIDIA GPU-gyalog.

A képzés végére a résztvevők képesek lesznek:

• Használják a Numba fordítót a NVIDIA GPU-okon futó alkalmazások felgyorsítására.
• Hozzanak létre, fordítsanak le és indítsanak el egyedi CUDA kernel-eket.
• Kezeljék a GPU memóriát.
• Konvertáljanak egy CPU-alapú alkalmazást GPU-gyorsítású alkalmazássá.

Chinese GPU architectures such as Huawei Ascend, Biren, and Cambricon MLUs offer CUDA alternatives tailored for local AI and HPC markets.

This instructor-led, live training (online or onsite) is aimed at advanced-level GPU programmers and infrastructure specialists who wish to migrate and optimize existing CUDA applications for deployment on Chinese hardware platforms.

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

• Evaluate compatibility of existing CUDA workloads with Chinese chip alternatives.
• Port CUDA codebases to Huawei CANN, Biren SDK, and Cambricon BANGPy environments.
• Compare performance and identify optimization points across platforms.
• Address practical challenges in cross-architecture support and deployment.

Format of the Course

• Interactive lecture and discussion.
• Hands-on code translation and performance comparison labs.
• Guided exercises focused on multi-GPU adaptation strategies.

Course Customization Options

• To request a customized training for this course based on your platform or CUDA project, please contact us to arrange.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a webdesignereknek szól, akik szeretnék használni a Mayát 3D animációk készítésére.

A képzés végére a résztvevők képesek lesznek:

• Hozzon létre valósághű modelleket és textúrákat a Maya-ban.
• Animáljon és rendereljen projekteket a kiváló minőségű lejátszás érdekében.
• Szimulálja a természetes hatásokat, mint a víz és a füst.

A WebGL (Webes grafikus könyvtár) egy JavaScript API, amely 3D-s grafikus megjelenítést tesz lehetővé egy webböngészőben a plug-inek használata nélkül.

Ebben az oktató által vezetett, élő képzésben a résztvevők megtanulják, hogyan készítsenek reális számítógépes képeket a 3D-s grafika segítségével, miközben átmegyek egy böngészőben futó animált 3D-alkalmazás létrehozásával.

A képzés végére a résztvevők képesek lesznek:

• A WebGL különféle funkcióinak megértése és használata, beleértve a hálókat, transzformációkat, kamerákat, anyagokat, világítást és animációt
• Objektumok animálása a WebGL segítségével
• Hozzon létre 3D objektumokat a WebGL használatával

Közönség

• Fejlesztők

A tanfolyam formátuma

• Részelőadás, vitafórumok, gyakorlatok és nehéz gyakorlati gyakorlat

Ascend, Biren, and Cambricon are leading AI hardware platforms in China, each offering unique acceleration and profiling tools for production-scale AI workloads.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI infrastructure and performance engineers who wish to optimize model inference and training workflows across multiple Chinese AI chip platforms.

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

• Benchmark models on Ascend, Biren, and Cambricon platforms.
• Identify system bottlenecks and memory/compute inefficiencies.
• Apply graph-level, kernel-level, and operator-level optimizations.
• Tune deployment pipelines to improve throughput and latency.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of profiling and optimization tools on each platform.
• Guided exercises focused on practical tuning scenarios.

Course Customization Options

• To request a customized training for this course based on your performance environment or model type, please contact us to arrange.