This course will help prepare students for developing code that can process large amounts of data in parallel. It will focus on foundational aspects of concurrent programming, such as CPU/GPU architectures, multithreaded programming in C and Python, and an introduction to CUDA software/hardware.
von
Spezialisierung GPU ProgrammingJohns Hopkins UniversityÜber diesen Kurs
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 1 von 4 in
Stufe „Anfänger“
Some experience programming
Ca. 20 Stunden zum Abschließen
Englisch
Untertitel: Englisch
Was Sie lernen werden
Students will learn how to develop concurrent software in Python and C/C++ programming languages.
Students will gain an introductory level of understanding of GPU hardware and software architectures.
Kompetenzen, die Sie erwerben
- Cuda
- Python Programming
- Thread (Computing)
- C++
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Kurs 1 von 4 in
Stufe „Anfänger“
Some experience programming
Ca. 20 Stunden zum Abschließen
Englisch
Untertitel: Englisch
von
Johns Hopkins University
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Lehrplan - Was Sie in diesem Kurs lernen werden
3 Stunden zum Abschließen
Course Overview
The purpose of this module is for students to understand how the course will be run, topics, how they will be assessed, and expectations.
3 Stunden zum Abschließen
3 Videos (Gesamt 12 min), 4 Lektüren, 1 Quiz
3 Stunden zum Abschließen
Core Principles of Parallel Programming on CPUs and GPUs
In order to create software that process greater amounts of data at faster speeds, software operating systems, programming languages, and frameworks require strategies for accessing and modification of data in a manner that maximizes speed, while minimizing the possibility of data being in incorrect states. In this module, students will be presented canonical concurrency problems such as the Dining Philosophers. Additionally, they will learn how operating systems and programming languages handle these problems, and discuss real world big data concurrency applications.
3 Stunden zum Abschließen
6 Videos (Gesamt 35 min), 3 Lektüren, 2 Quiz
6 Stunden zum Abschließen
Introduction to Parallel Programming with C and Python
Modern programming languages allow developers to create software with complex logic for manipulation of data in parallel, taking advantage of the multiple CPU cores in most computers. Students will develop simple software, written in the C++ and Python 3 programming languages, that process data sets concurrently.
6 Stunden zum Abschließen
6 Videos (Gesamt 31 min), 2 Lektüren, 4 Quiz
3 Stunden zum Abschließen
NVidia GPU Hardware/Software
The purpose of this module is for students to understand the basis in hardware and software that CUDA uses. This is required to appropriately develop software to optimally take advantage of GPU resources.
3 Stunden zum Abschließen
9 Videos (Gesamt 36 min), 1 Lektüre, 3 Quiz
Über den Spezialisierung GPU Programming
This specialization is intended for data scientists and software developers to create software that uses commonly available hardware. Students will be introduced to CUDA and libraries that allow for performing numerous computations in parallel and rapidly. Applications for these skills are machine learning, image/audio signal processing, and data processing.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Ist finanzielle Unterstützung möglich?
Can I program on my own laptop/desktop?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
