本课程将完成 GPU 专业课程，重点是作为 CUDA 工具包一部分发布的主要库。学生将学习如何使用 CuFFT 和线性代数库来执行复杂的数学计算。还将介绍 Thrust 库在表示常见数据结构和相关算法方面的功能。通过使用 cuDNN 和 cuTensor，他们将能够开发有助于物体检测、人类语言翻译和图像分类的机器学习应用程序。
CUDA 高级库
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 GPU 编程 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有5个模块
本模块的目的是让学生了解课程的实施方式、主题、评估方式和期望。
涵盖的内容
4个视频1个编程作业1个讨论话题1个非评分实验室
cuFFT 提供了在大型数据集上执行快速傅立叶变换 (FFT) 的能力。学生们将学习到一些常见的用例，如大型多项式的快速乘法、信号处理和矩阵运算。 他们将使用该库开发处理音频或视频信号的软件。
涵盖的内容
6个视频1篇阅读材料1个编程作业1个讨论话题1个非评分实验室
CUDA 工具包包含大量线性代数库，如 cuBLAS、NVBLAS、cuSPARSE 和 cuSOLVER。学生将了解其中许多库的不同功能和局限性，并应用这些知识来计算矩阵点积、行列式和查找复杂线性系统的解。
涵盖的内容
6个视频1篇阅读材料1个编程作业1个讨论话题1个非评分实验室
大多数开发人员使用的数据结构超出了构成 CUDA 程序员核心的基元和指针，这使得纯 CUDA 开发变得困难。 学生将学习 Thrust 库，该库添加了矢量数据结构和相关算法，可简化代码。学生将创建可对大型数据集进行转换、还原和排序的软件。
涵盖的内容
7个视频1篇阅读材料1个编程作业1个非评分实验室
数据科学家、机器学习和人工智能专家正在使用神经网络来解决人类语言翻译、图像分类和物体检测/规避等问题。 通过使用 cuDNN 和 cuTensor，学生将能够开发各种神经网络和类似结构。在完成本模块后，学生将被要求开发一个全课程项目，汇集之前所有课程的知识，开发一个顶点软件项目。
涵盖的内容
6个视频1篇阅读材料1次同伴评审1个讨论话题3个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(6个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
从 计算机科学 浏览更多内容
Johns Hopkins University
Johns Hopkins University
Johns Hopkins University
Johns Hopkins University