Agenda de trabajo

Esta es nuestra agenda tentativa de trabajo para los 5 días que dura el curso. Los dos primeros días se dedican a CUDA, y los tres últimos a Deep Learning.

Día 1 Módulo Objetivos
16:00-17:45 Introducción al hardware de la GPU Comprender el chip GPU y su arquitectura, bloques constructivos, generaciones y modelos.
17:45-18:15 Descanso  
18:15-19:30 Aceleración de Aplicaciones con CUDA C/C++ Conocer la sintaxis esencial y los conceptos que permiten escribir aplicaciones C/C++ con CUDA:
- Escribir, compilar y ejecutar códigos GPU.
- Controlar la jerarquía de hilos paralelos.
- Alojar y liberar memoria en la GPU.
19:30-19:45 Descanso  
19:45-21:00 Aceleración de Aplicaciones con CUDA C/C++ Primeros ejercicios dentro del curso del DLI: Lanzamiento de kernels básicos, controlando la jerarquía de hilos y su organización, así como la sincronización CPU-GPU.
Día 2 Módulo Objetivos
16:00-17:45 Gestión de memoria de las aplicaciones aceleradas con CUDA/C++ Conocer la gestión de memoria en CUDA y el comportamiento de la memoria unificada según se referencia desde la CPU y/o la GPU.
17:45-18:15 Descanso  
18:15-19:30 Paralelización de aplicaciones con CUDA

Ejemplos a realizar: Suma de vectores, producto de matrices, heat conduction, saxpy.

19:30-19:45 Descanso  
19:45-21:00 Revisión final del módulo de CUDA. Evaluación Síntesis de los principales conceptos. Preguntas.
Completar la evaluación para obtener la certificación del DLI.
Rellenar la encuesta de valoración del curso.
Día 3 Módulo Objetivos
16:00-17:45 Introducción al Deep Learning

Deep Neural Networks (DNNs)
Descripción del curso y conceptos preliminares: terminología, tendencias en la industria y retos.

Elementos, estructura, ejemplos, propagaciones adelante y atrás.
17:45-18:15 Descanso  
18:15-19:30 DNNs Aprendizaje supervisado, overfitting. Descripción y resumen de los 20 conceptos clave para Deep Learning.
19:30-19:45 Descanso  
19:45-21:00 Entrenando DNNs GPU Task 1: Entrena tu DNN.
Día 4 Módulo Objetivos
16:00-17:45 Entrenando DNNs GPU Task 2: Big Data.
17:45-18:15 Descanso  
18:15-19:30 Desplegando DNNs GPU Task 3: Integrar DNNs en aplicaciones reales.
19:30-19:45 Descanso  
19:45-21:00 Rendimiento GPU Task 4: Rendimiento durante el entrenamiento.
Día 5 Módulo Objetivos
16:00-17:45 Rendimiento GPU Task 5: Detección de objetos.
17:45-18:15 Descanso  
18:15-19:30 Examen Test final para lograr el diploma de la UMA.
19:30-19:45 Descanso  
19:45-21:00 Revisión final del módulo de DL. Evaluación Síntesis final y elaboración de un proyecto para lograr la certificación del DLI. Rellenar la encuesta de valoración del curso.