Articles
Nvidia
La multinacional Nvidia fue fundada en 1993 por Jensen Huang, Chris Malachowsky y Curtis Priem. Movidos por la idea de que un día el PC sería un dispositivo de consumo utilizado para video-juegos, música e imágenes, comenzaron el diseño de chips gráficos y pronto acuñaron el término GPU (Graphics Processing Unit). En aquel año 1993 ya existían 26 fabricantes de chips gráficos, cifra que se elevaría a 70 tres años más tarde. En 2006, Nvidia ya era la única que seguía operando como empresa independiente, y en la actualidad fabrica más del 70% de las GPUs para PCs y supercomputadores.
Con sede en Silicon Valley, la empresa superó en 2011 las mil millones de GPUs vendidas, y en 2022 se ha convertido en una de las 10 empresas más valiosas en bolsa del mundo, con más de 15.000 empleados diversificados en oficinas de más de 50 países. Está considerada la compañía más innovadora y una de las más admiradas del mundo según Forbes, ocupando lugares destacados en numerosos ránkings de prestigio social y tecnológico, entre los que podemos citar:
- Primera en el ránking de empresas con conciencia social y medioambiental, elaborado por Investor's Business Daily: 2020 Best ESG Companies.
- Segunda en el ránking de mejores lugares para trabajar en Estados Unidos, elaborado por Glassdoor: 2021 Best Places to Work.
- Segunda en el ránking de empresas más responsables de América, elaborado por la revista Newsweek: 2021 America's Most Responsible Companies.
- Segunda en el ránking de empresas más justas de América, elaborado por la revista Forbes: 2021 America's Most JUST Companies.
- Cuarta en el ránking de empresas mejor concienciadas, elaborado por la revista People: 50 Companies That Care.
- Cuarta en el ránking de empresas que más han contribuido al cuidado de la salud, elaborado por la revista Fortune: Change the World List.
El ritmo de crecimiento de CUDA ha permitido a Nvidia superar en 2019 el millón de programadores censados y los 700 millones de plataformas de aceleración en GPU en las que ejecutar sus códigos. Más recientemente, el despliegue sin precedentes del Deep Learning en sus GPUs ha hecho posible la inteligencia artificial moderna, la nueva era de la computación en la que la GPU actúa como cerebro de todo tipo de computadores, robots y coches autónomos capaces de percibir y comprender el mundo que les rodea.
La compañía ha evolucionado de forma espectacular en los últimos años, generando unos beneficios que sobrepasan los mil millones de dólares mensuales, creciendo a un ritmo superior a los 1000 ingenieros/año y manteniendo un activo programa de ofertas de empleo. Una visión global de todo lo que desarrolla Nvidia en la actualidad se resume en esta presentación.
| Reunión interna de la plantilla en el interior de la sede de Nvidia en Silicon Valley, junto con algunos rasgos distintivos de la empresa (a la derecha). |
 |
| Vista aérea de la sede de Nvidia en Silicon Valley (California, Estados Unidos), junto con la filosofía de la empresa (a la izquierda). |
 |
El DLI
Origen
El Deep Learning Institute (DLI) surge en 2017 como una iniciativa de Nvidia para estrechar el hueco existente entre la ciencia base y aplicada, proporcionando una plataforma Web para educación y entrenamiento on-line que faculte a los estudiantes, desarrolladores e ingenieros para resolver los problemas más exigentes del estado del arte de la ciencia en el siglo XXI: Genómica, Astrofísica, Robótica, Inteligencia Artificial, Big-data, Internet de las cosas y otras muchas disciplinas de actualidad. Para ello, se enseñan las técnicas más vanguardistas en dos áreas emergentes y de gran proyección futura: Deep Learning y Accelerated Computing (CUDA).
Cursos y certificaciones
El catálogo del DLI comprende más de 50 cursos bajo la modalidad MOOC (Massive Open Online Courses) que vienen impartiéndose a escala mundial en dos modalidades:
- Instructor-led: Se celebran intercalando explicaciones de un instructor (el DLI University Ambassador) con la realización de ejercicios prácticos en la nube. En esta modalidad se celebrarán dos cursos dentro de cada edición del "Curso de Deep Learning y CUDA" de la UMA: el de "Fundamentals of Deep Learning" y el de "Fundamentals of Accelerated Computing with CUDA C/C++".
- Self-paced: Son cursos pensados para que el alumno pueda realizarlos de manera autosuficiente y a su ritmo. En esta modalidad el alumno podrá completar su formación mediante el seguimiento de una serie de cursos adicionales de forma opcional según sus inquietudes.
Los cursos del DLI empiezan con modalidades básicas, continúan con otras más avanzadas y finalizan con cursos de dominio específico dirigidos a un segmento concreto del mercado laboral. Algunos de estos cursos permiten al estudiante certificarse en una determinada especialidad al concluir su formación. Las dos especialidades más relevantes del DLI que emiten una certificación oficial de Nvidia son "Deep Learning" y "Accelerated Computing with CUDA C", que serán obtenidas por nuestros estudiantes una vez completen los dos cursos que impartiremos en la modalidad instructor-led. La evaluación de estos cursos se realiza completamente on-line, y su certificación proporciona al alumno un diploma para su Curriculum Vitae y un hiperenlace con identificador único para que pueda vincularlo a su cuenta en LinkedIn.
Infraestructura
Los cursos del DLI enseñan a implementar y desplegar proyectos de principio a fin en un solo día a través de módulos hands-on que se ejecutan en la nube sobre instancias de Amazon Web Services (AWS) y contenedores en Jupyter notebooks, supervisados por instructores certificados oficialmente por Nvidia, los Ambassadors. Por tu parte, sólo necesitas un navegador Web para comenzar. Una vez abras tu cuenta en el DLI, a través de ella podrás escribir tus programas, ejecutar tus comandos y utilizar estaciones de trabajo en la nube aceleradas en GPUs de última generación gracias al soporte proporcionado por Amazon Web Services.
En la especialidad de Deep Learning, aprenderás a entrenar, optimizar y desplegar redes neuronales profundas con las últimas herramientas, entornos y SDKs para Deep Learning. En la especialidad de Accelerated Computing, aprenderás a acelerar y optimizar tus códigos a gran escala con CUDA, lanzando millones de hilos en paralelo sobre los miles de cores disponibles en las GPUs proporcionadas por Nvidia.
Metodología
Un obstáculo al que muchos alumnos se enfrentan cuando quieren aprender aprendizaje profundo o aceleración en GPU de forma aplicada es la configuración del entorno. Existen multitud de herramientas, que se encuentran interrelacionadas de una forma vaga y siempre cambiante, además de diversas versiones según el sistema operativo del usuario, la plataforma de que dispone y sus propias preferencias. Como resultado, muchos se pierden en estos detalles y terminan desistiendo de aprender. El DLI utiliza contenedores que virtualizan las aplicaciones en la nube para que todo esto se haga de forma transparente al usuario. El tiempo medio de inicialización del entorno local necesario es inferior a 5 minutos en la mayoría de cursos del DLI.
Durante el aprendizaje en la modalidad instructor-led del DLI, se van alternando sesiones explicativas de 20 minutos con prácticas de 15 minutos. De esta manera, el alumno se involucra de forma activa, evitando la típica desconexión del discurso del profesor. Al finalizar el curso, muchos alumnos son capaces de superar las pruebas de autoevaluación que le otorgan la certificación, y los que no lo consiguen en primera instancia, mantienen el acceso perpetuo a los contenidos del curso para seguir intentándolo con posterioridad.
Para más información
- Consulta el catálogo de cursos del DLI, siempre en proceso de ampliación y mejora.
- Conoce más en profundidad todo el proceso de certificación de competencias que tiene lugar dentro del DLI.
- Para conocer más detalles sobre el DLI y sus cursos, como el aspecto que tienen los jupyter notebooks o los contenidos principales de sus especialidades, te recomendamos la lectura de este artículo escrito por compañeros de Nvidia a finales de 2018 o la visualización de este video.