Hamburg

NobleProg Hamburg, Eifflerstraße 43, Hamburg, germany, 22769

Überblick 

Unsere Schulungsräumlichkeiten befinden sich im Betahaus in der Eifflerstraße 43 in Hamburg. Gut erreichbar und zentral in der traditionsreichen Hansestadt gelegen, bieten sich hier optimale Möglichkeiten für unsere Teilnehmer.

Anfahrt 

Die NobleProg-Schulungsräumlichkeiten liegen mitten im Schanzenviertel. Die nächsten Bushaltestellen sind die Haltestellen "Schulterblatt" der Metrobuslinie 15 sowie die Haltestelle "Sternbrücke" der Metrobuslinie 3, die nächste S- und U-Bahn-Station die Haltestelle Sternschanze.

Parkplätze 

Im Bereich entlang der Eifflerstrasse und den nahegelegenen Seitenstraßen können PKW abgestellt werden, auch wenn man gegebenenfalls einen Moment lang suchen muss. Die Parkplätze sind nicht gebührenpflichtig.

Lokale Infrastruktur 

Das Schanzenviertel bietet verschiedenste gastronomische Angebote und mit dem Pyjama Park, dem Hotel Boston und anderen kleineren und mittleren Hotels ist auch eine ortsnahe Unterbringung möglich.

Unterkategorien (1)

CUDA (Compute Unified Device Architecture)

CUDA (Compute Unified Device Architecture)

Erkunden Sie unsere Kurse

GPU Programming with OpenACC

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die OpenACC zur Programmierung heterogener Geräte und zur Ausnutzung ihrer Parallelität verwenden möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Eine Entwicklungsumgebung einzurichten, die OpenACC SDK, ein Gerät, das OpenACC unterstützt, und Visual Studio Code enthält.
  • ein grundlegendes OpenACC-Programm zu erstellen, das eine Vektoraddition auf dem Gerät durchführt und die Ergebnisse aus dem Gerätespeicher abruft.
  • Verwenden Sie OpenACC-Direktiven und -Klauseln, um den Code zu kommentieren und die parallelen Regionen, Datenbewegungen und Optimierungsoptionen anzugeben.
  • Verwenden Sie die OpenACC-API, um Geräteinformationen abzufragen, die Gerätenummer festzulegen, Fehler zu behandeln und Ereignisse zu synchronisieren.
  • Verwendung von OpenACC-Bibliotheken und Interoperabilitätsfunktionen zur Integration von OpenACC mit anderen Programmiermodellen, wie CUDA, OpenMP und MPI.
  • OpenACC-Tools verwenden, um OpenACC-Programme zu profilieren und zu debuggen und Leistungsengpässe und -möglichkeiten zu identifizieren.
  • OpenACC-Programme mit Techniken wie Datenlokalität, Schleifenfusion, Kernel-Fusion und Auto-Tuning zu optimieren.
Read more...

Introduction to GPU Programming

 21 Stunden
Diese von einem Kursleiter geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die die Grundlagen der GPU-Programmierung sowie die wichtigsten Frameworks und Tools für die Entwicklung von GPU-Anwendungen erlernen möchten.
  • Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
    den Unterschied zwischen CPU- und GPU-Computing sowie die Vorteile und Herausforderungen der GPU-Programmierung zu verstehen.
  • Das richtige Framework und Tool für ihre GPU-Anwendung auswählen.
  • ein grundlegendes GPU-Programm zu erstellen, das eine Vektoraddition mit einem oder mehreren der Frameworks und Tools durchführt.
  • Verwenden Sie die entsprechenden APIs, Sprachen und Bibliotheken, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
  • Verwendung der jeweiligen Speicherbereiche, wie z. B. global, lokal, konstant und privat, um Datenübertragungen und Speicherzugriffe zu optimieren.
  • Verwendung der jeweiligen Ausführungsmodelle, wie Work-Items, Work-Groups, Threads, Blöcke und Grids, um die Parallelität zu steuern.
  • Debuggen und Testen von GPU-Programmen mit Tools wie CodeXL, CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight.
  • Optimieren von GPU-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.
Read more...

GPU Programming - OpenCL vs CUDA vs ROCm

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die verschiedene Frameworks für die GPU-Programmierung verwenden und deren Funktionen, Leistung und Kompatibilität vergleichen möchten. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Eine Entwicklungsumgebung einzurichten, die OpenCL SDK, CUDA Toolkit, ROCm Platform, ein Gerät, das OpenCL, CUDA oder ROCm unterstützt, und Visual Studio Code umfasst.
  • Erstellen Sie ein grundlegendes GPU-Programm, das eine Vektoraddition mit OpenCL, CUDA und ROCm durchführt, und vergleichen Sie die Syntax, die Struktur und die Ausführung jedes Frameworks.
  • Verwenden Sie die jeweiligen APIs, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
  • Verwenden Sie die jeweiligen Sprachen, um Kernel zu schreiben, die auf dem Gerät ausgeführt werden und Daten manipulieren.
  • Verwenden Sie die jeweiligen eingebauten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen durchzuführen.
  • Verwenden Sie die jeweiligen Speicherbereiche, wie z. B. global, lokal, konstant und privat, um Datenübertragungen und Speicherzugriffe zu optimieren.
  • Verwenden Sie die jeweiligen Ausführungsmodelle, um die Threads, Blöcke und Grids zu steuern, die die Parallelität definieren.
  • Debuggen und Testen von GPU-Programmen mit Tools wie CodeXL, CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight.
  • Optimieren von GPU-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.
Read more...

ROCm for Windows

 21 Stunden
Diese von einem Kursleiter geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die ROCm unter Windows installieren und verwenden möchten, um AMD GPUs zu programmieren und deren Parallelität auszunutzen. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Eine Entwicklungsumgebung einzurichten, die die ROCm-Plattform, einen AMD GPU und Visual Studio Code unter Windows enthält.
  • ein grundlegendes ROCm-Programm zu erstellen, das eine Vektoraddition auf dem GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
  • Verwenden Sie die ROCm-API, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
  • HIP-Sprache verwenden, um Kernel zu schreiben, die auf GPU ausgeführt werden und Daten manipulieren.
  • Verwendung der in HIP integrierten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen auszuführen.
  • Verwendung von ROCm- und HIP-Speicherbereichen, wie z. B. global, gemeinsam genutzt, konstant und lokal, um Datenübertragungen und Speicherzugriffe zu optimieren.
  • Verwendung von ROCm- und HIP-Ausführungsmodellen zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren.
  • Debuggen und Testen von ROCm- und HIP-Programmen mit Werkzeugen wie dem ROCm Debugger und dem ROCm Profiler.
  • Optimieren von ROCm- und HIP-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.
Read more...

AMD GPU Programming

 28 Stunden
Diese von einem Kursleiter geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die ROCm und HIP zur Programmierung von AMD GPUs und zur Ausnutzung ihrer Parallelität verwenden möchten. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Eine Entwicklungsumgebung einzurichten, die die ROCm-Plattform, einen AMD GPU- und Visual Studio-Code enthält.
  • Ein grundlegendes ROCm-Programm erstellen, das eine Vektoraddition auf dem GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
  • Verwenden Sie die ROCm-API, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
  • HIP-Sprache verwenden, um Kernel zu schreiben, die auf GPU ausgeführt werden und Daten manipulieren.
  • Verwendung der in HIP integrierten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen auszuführen.
  • Verwendung von ROCm- und HIP-Speicherbereichen, wie z. B. global, gemeinsam genutzt, konstant und lokal, um Datenübertragungen und Speicherzugriffe zu optimieren.
  • Verwendung von ROCm- und HIP-Ausführungsmodellen zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren.
  • Debuggen und Testen von ROCm- und HIP-Programmen mit Werkzeugen wie dem ROCm Debugger und dem ROCm Profiler.
  • Optimieren von ROCm- und HIP-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.
Read more...

GPU Programming with CUDA

 28 Stunden
Diese von einem Trainer geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die CUDA zur Programmierung von NVIDIA GPU-Systemen und zur Ausnutzung ihrer Parallelität verwenden möchten. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  • Eine Entwicklungsumgebung einrichten, die das CUDA Toolkit, einen NVIDIA GPU- und Visual Studio-Code enthält.
  • Ein grundlegendes CUDA Programm erstellen, das eine Vektoraddition auf dem GPU durchführt und die Ergebnisse aus dem GPU Speicher abruft.
  • Verwenden Sie die CUDA API, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
  • Verwendung der Sprache CUDA C/C++ zum Schreiben von Kernels, die auf dem GPU ausgeführt werden und Daten manipulieren.
  • Verwendung der in CUDA integrierten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen durchzuführen.
  • Verwendung von CUDA-Speicherbereichen, wie z. B. global, gemeinsam genutzt, konstant und lokal, zur Optimierung von Datenübertragungen und Speicherzugriffen.
  • Verwendung des CUDA-Ausführungsmodells zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren.
  • Debuggen und Testen von CUDA Programmen mit Tools wie CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight.
  • Optimieren Sie CUDA Programme mit Techniken wie Coalescing, Caching, Prefetching und Profiling.
97% der Kunden sind zufrieden.
Read more...

Administration of CUDA

 35 Stunden
Diese von einem Trainer geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Systemadministratoren und IT-Experten, die CUDA-Umgebungen installieren, konfigurieren, verwalten und Fehler beheben möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • die Architektur, die Komponenten und die Fähigkeiten von CUDA zu verstehen.
  • CUDA Umgebungen zu installieren und zu konfigurieren.
  • CUDA-Ressourcen zu verwalten und zu optimieren.
  • Häufige CUDA Probleme zu debuggen und zu beheben.
Read more...

GPU Programming with OpenCL

 28 Stunden
Diese von einem Kursleiter geleitete Live-Schulung in Hamburg (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die OpenCL zur Programmierung heterogener Geräte und zur Nutzung ihrer Parallelität verwenden möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:
  • Eine Entwicklungsumgebung einrichten, die das OpenCL SDK, ein Gerät, das OpenCL unterstützt, und Visual Studio Code enthält.
  • Ein grundlegendes OpenCL-Programm erstellen, das eine Vektoraddition auf dem Gerät durchführt und die Ergebnisse aus dem Gerätespeicher abruft.
  • Verwenden Sie OpenCL API, um Geräteinformationen abzufragen, Kontexte, Befehlswarteschlangen, Puffer, Kernel und Ereignisse zu erstellen.
  • Verwendung der Sprache OpenCL C, um Kernel zu schreiben, die auf dem Gerät ausgeführt werden und Daten manipulieren.
  • Verwendung von OpenCL eingebauten Funktionen, Erweiterungen und Bibliotheken, um allgemeine Aufgaben und Operationen durchzuführen.
  • Verwendung von OpenCL Host- und Gerätespeichermodellen zur Optimierung von Datenübertragungen und Speicherzugriffen.
  • Verwendung des OpenCL-Ausführungsmodells zur Steuerung der Work-Items, Work-Groups und ND-Ranges.
  • Debuggen und Testen von OpenCL-Programmen mit Tools wie CodeXL, Intel VTune und NVIDIA Nsight.
  • Optimieren von OpenCL-Programmen mit Techniken wie Vektorisierung, Schleifenabwicklung, lokalem Speicher und Profiling.
Read more...

GPU Programming with CUDA and Python

 14 Stunden
Dieser von einem Trainer geführte Live-Kurs in Hamburg (online oder vor Ort) richtet sich an fortgeschrittene Entwickler, die CUDA verwenden möchten, um Python-Anwendungen zu erstellen, die parallel auf NVIDIA-GPUs laufen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:
  • Den Numba-Compiler verwenden, um Python-Anwendungen zu beschleunigen, die auf NVIDIA GPUs ausgeführt werden.
  • Benutzerdefinierte CUDA-Kernel erstellen, kompilieren und starten.
  • GPU-Speicher verwalten.
  • Eine CPU-basierte Anwendung in eine GPU-beschleunigte Anwendung konvertieren.
Read more...

NVIDIA GPU Programming - Extended

 21 Stunden
Dieser von einem Ausbilder geleitete Live-Schulungskurs in Hamburg deckt ab, wie man GPUs für paralleles Rechnen programmiert, wie man verschiedene Plattformen verwendet, wie man mit der CUDA-Plattform und ihren Funktionen arbeitet und wie man verschiedene Optimierungstechniken mit CUDA durchführt. Einige der Anwendungen umfassen Deep Learning, Analytik, Bildverarbeitung und technische Anwendungen.
Read more...

Last Updated:

Erfahrungsberichte (2)

Sehr interaktiv mit verschiedenen Beispielen, mit einer guten Progression in der Komplexität zwischen dem Beginn und dem Ende des Trainings.

Jenny - Andheo

Kurs - GPU Programming with CUDA and Python

Maschinelle Übersetzung

Energie und Humor des Trainers.

Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.

Kurs - NVIDIA GPU Programming - Extended

Maschinelle Übersetzung

Kommende Kurse

AMD GPU Programming

2025-06-09 09:30
28 Stunden
Hamburg
6944 EUR (Online)
7744 EUR (Schulungsraum)

GPU Programming with CUDA and Python

2025-06-23 09:30
14 Stunden
Hamburg
3472 EUR (Online)
3872 EUR (Schulungsraum)

ROCm for Windows

2025-07-07 09:30
21 Stunden
Hamburg
5208 EUR (Online)
5808 EUR (Schulungsraum)

ROCm for Windows

2025-07-21 09:30
21 Stunden
Hamburg
5208 EUR (Online)
5808 EUR (Schulungsraum)

GPU Programming with CUDA and Python

2025-08-04 09:30
14 Stunden
Hamburg
3472 EUR (Online)
3872 EUR (Schulungsraum)

Andere Regionen in Deutschland

Andere Länder

Diese Kurse sind auch in anderen Ländern verfügbar

Beratung

GPU Beratung
GPU (Graphics Processing Unit) Schulung Hamburg, Graphics Processing Unit (GPU) boot camp Hamburg, Graphics Processing Unit (GPU) Fernschulung Hamburg, Graphics Processing Unit (GPU) Wochenende Schulung Hamburg, GPU (Graphics Processing Unit) Abends Schulung Hamburg, Graphics Processing Unit Kurs Hamburg, Graphics Processing Unit (GPU) Seminare Hamburg, GPU (Graphics Processing Unit) Training Hamburg, GPU Seminar Hamburg