Curso práctico de Programación GPU NVIDIA aplicada a CFD

Inversion publicada

Precios referenciales en PEN. Confirma vacantes, etapa vigente y forma de pago por WhatsApp.

Temario por sesion

Sesion 1: CUDA y modelo de ejecucion GPU

Objetivo: comprender como programar kernels CUDA introductorios.

• Objetivo: comprender como programar kernels CUDA introductorios.
• Arquitectura CPU/GPU, host, device, threads, blocks y grids.
• Instalacion de CUDA Toolkit y verificacion con ejemplos.
• Primer kernel, compilacion y ejecucion.
• Transferencia de memoria entre host y device.
• Practica: suma vectorial y medicion simple.
• Resultado: programa CUDA funcional y explicado.

Practica: Practica: suma vectorial y medicion simple.

Resultado: Resultado: programa CUDA funcional y explicado.

Sesion 2: Memoria, paralelismo y patrones basicos

Objetivo: escribir kernels mas utiles para calculo numerico.

• Objetivo: escribir kernels mas utiles para calculo numerico.
• Memoria global, compartida y acceso coalescente a nivel introductorio.
• Mapeo de indices 1D/2D y control de limites.
• Sincronizacion dentro de bloques y errores frecuentes.
• Comparacion CPU vs GPU en tamanos pequenos y medianos.
• Practica: operacion sobre matriz o campo escalar.
• Resultado: kernel parametrico para datos tipo CFD.

Practica: Practica: operacion sobre matriz o campo escalar.

Resultado: Resultado: kernel parametrico para datos tipo CFD.

Sesion 3: Aplicacion a mallas y operadores CFD

Objetivo: relacionar CUDA con operaciones comunes de simulacion.

• Objetivo: relacionar CUDA con operaciones comunes de simulacion.
• Campos escalares/vectoriales, stencil simple y diferencias finitas.
• Condiciones de borde simplificadas y arreglos linealizados.
• Medicion de tiempo, ancho de banda y cuellos de botella.
• Validacion numerica contra version CPU.
• Practica: operador de difusion o suavizado en grilla 2D.
• Resultado: kernel aplicado a campo CFD simplificado.

Practica: Practica: operador de difusion o suavizado en grilla 2D.

Resultado: Resultado: kernel aplicado a campo CFD simplificado.

Sesion 4: Proyecto final y buenas practicas

Objetivo: entregar un ejemplo GPU reproducible y honesto en alcance.

• Objetivo: entregar un ejemplo GPU reproducible y honesto en alcance.
• Organizacion de codigo CUDA/C++ y parametros de ejecucion.
• Manejo de errores CUDA y limpieza de memoria.
• Reporte de rendimiento y limitaciones del hardware usado.
• Recomendaciones para continuar hacia solvers mas complejos.
• Practica: presentacion del proyecto final.
• Resultado: miniaplicacion CUDA aplicada a un operador numerico.

Practica: Practica: presentacion del proyecto final.

Resultado: Resultado: miniaplicacion CUDA aplicada a un operador numerico.

Resultados de aprendizaje

• Entender arquitectura GPU, threads, blocks y grids.
• Compilar programas CUDA C++ con nvcc.
• Acelerar operaciones científicas y campos 1D/2D.
• Implementar un mini-solver CFD y comparar CPU vs GPU.

Proyecto final

Proyecto aplicado integrador con evidencia verificable y presentación breve.

Entregables

Consultar en la convocatoria.

Herramientas

Consultar en la convocatoria.

Metodologia

Consultar en la convocatoria.

Requisitos

Consultar en la convocatoria.

Certificacion

Certificado físico y firmado