cuFFT permet d'effectuer des transformées de Fourier rapides (FFT) sur de grands ensembles de données. Les étudiants apprendront les cas d'utilisation courants tels que la multiplication rapide de grands polynômes, le traitement des signaux et les opérations sur les matrices. Ils utiliseront cette bibliothèque pour développer des logiciels qui traitent des signaux audio ou vidéo.

La boîte à outils CUDA comprend un certain nombre de bibliothèques d'algèbre linéaire, telles que cuBLAS, NVBLAS, cuSPARSE et cuSOLVER. Les étudiants apprendront les différentes capacités et limites de plusieurs d'entre elles et appliqueront ces connaissances pour calculer les produits de points de la matrice, le déterminant et trouver des solutions à des systèmes linéaires complexes.

La plupart des développeurs utilisent des structures de données autres que les primitives et les pointeurs qui constituent le cœur des programmeurs CUDA, ce qui rend difficile le développement purement CUDA. Les étudiants découvriront la bibliothèque Thrust qui ajoute la structure de données vectorielle et les algorithmes associés qui permettent de simplifier leur code. Les étudiants créeront des logiciels qui transforment, réduisent et trient de grands ensembles de données.

Les experts en science des données, en apprentissage automatique et en intelligence artificielle utilisent les réseaux neuronaux pour résoudre des problèmes tels que la traduction du langage humain, la classification d'images et la détection/évitement d'objets. En utilisant cuDNN et cuTensor, les étudiants seront capables de développer une variété de réseaux neuronaux et de structures similaires. A la fin de ce module, les étudiants seront invités à développer un projet qui rassemble leurs connaissances de tous les cours et leçons précédents afin de développer un projet logiciel de référence.