中本专业面向数据科学家和软件开发人员，帮助他们创建使用常见硬件的软件。 学生将学习 CUDA 和可并行快速执行大量计算的库。 这些技能的应用领域包括机器学习、图像/音频信号处理和数据处理。
应用的学习项目
学员将完成至少 2 个项目，这些项目允许他们自由探索基于 CUDA 的图像/信号处理解决方案，以及一个自选主题，该主题可以来自他们当前或未来的职业生涯。他们还将制作简短的演示，并分享自己的代码。
GPU 编程 专项课程
您将学到什么
开发 CUDA 软件，在普通硬件上运行大规模计算
利用库将知名算法引入软件，无需重新开发现有功能
您将获得的技能
- Image Analysis
- Artificial Neural Networks
- Computer Vision
- Deep Learning
- System Programming
- Data Structures
- Performance Tuning
- Distributed Computing
- Machine Learning
- Machine Learning Methods
- Data Processing
- Scalability
- Linear Algebra
- C and C++
- Programming Principles
- Computer Graphics
- Computer Systems
- Performance Testing
- Software Development
- Event-Driven Programming
要了解的详细信息
可分享的证书
添加到您的领英档案
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
精进特定领域的专业知识
- 向大学和行业专家学习热门技能
- 借助实践项目精通一门科目或一个工具
- 培养对关键概念的深入理解
- 通过 Johns Hopkins University 获得职业证书
专业化 - 4门课程系列
使用 GPU 的并行编程入门
第 1 门课程19小时
您将学到什么
学生将学习如何使用 Python 和 C/C++ 编程语言开发并发软件。
学生将对 GPU 硬件和软件架构有一个入门级的了解。
您将获得的技能
类别：Python 程序设计
类别：计算机编程
类别：调试
类别：计算机结构
类别：计算机系统
类别：开发环境
类别：算法
类别：硬件架构
类别：系统编程
类别：编程原则
类别：C 和 C++
类别：分布式计算
使用 CUDA 的并行编程简介
第 2 门课程21小时
您将学到什么
学生将学习如何利用 CUDA 框架编写可在 CPU 和 Nvidia GPU 上运行的 C/C++ 软件。
学生将把连续的 CPU 算法和程序转换成 CUDA 内核，在 GPU 硬件上同时执行 100 到 1000 次。
您将获得的技能
类别：性能调整
类别：调试
类别：计划发展
类别：算法
类别：软件开发
类别：C 和 C++
类别：数据访问
类别：性能测试
类别：数据存储
类别：数据结构
类别：硬件架构
类别：计算思维
类别：计算机结构
企业级 CUDA
第 3 门课程28小时
您将学到什么
学生将学习开发可在包含多个 CPU 和 GPU 的计算环境中运行的软件。
学生将开发使用 CUDA 的软件，以创建处理异步数据的交互式 GPU 计算处理内核。
学生将使用 CUDA、硬件内存功能和算法/库来解决包括图像处理在内的编程难题。
您将获得的技能
类别：可扩展性
类别：事件驱动编程
类别：性能调整
类别：算法
类别：软件开发
类别：硬件架构
类别：图像分析
类别：分布式计算
类别：C 和 C++
类别：计算机图形学
类别：数据处理
类别：计算机视觉
类别：系统编程
类别：数据结构
CUDA 高级库
第 4 门课程25小时
您将学到什么
您将学习使用 cuFFT 和 cuBLAS 等库来开发执行高级数学运算的软件。
您将学习使用 Thrust 库来执行一系列数据操作和数据结构，从而抽象出内存管理。
您将学习使用 cuTensor 和 cuDNN 库建模的神经网络，开发用于各种目的的机器学习软件。
您将获得的技能
类别：软件开发
类别：线性代数
类别：算法
类别：数据科学
类别：机器学习
类别：数据转换
类别：图像分析
类别：Machine Learning 方法
类别：深度学习
类别：人工神经网络
类别：性能调整
类别：数据结构
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。
攻读学位
当您完成本 专项课程后，如果您被以下在线学位课程录取并注册，您的学习成绩可能会被承认为学分¹。
位教师
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。'
常见问题
专业课程中的每一门课程预计在 1 个月内完成。整个专业课程应在 4 个月内完成。
准学员应至少有一年的编程经验。 如果能熟练使用 C/C++ 编程，将有助于吸收教材和完成作业。
本专业的每门课程应按以下顺序完成：
使用 GPU 的并行编程入门
使用 CUDA 的并行编程入门
企业级 CUDA
CUDA 高级库
更多问题
提供助学金，