NVIDIA
中小網大
The CUDA platform is the foundation of the GPU computing ecosystem. Every application and framework that uses the GPU does so through the CUDA language, libraries, compilers, and runtimes. This means CUDA is growing as fast as its ecosystem is evolving.
章節一：能耗與平行計算新浪潮 － 解析為何運算效能受限於能耗（Performance per Watt），以及從單純追求速度轉向能效比的趨勢。
章節二：張量核心（Tensor Cores）與混合精度算力突破 － 探討 FP64、FP16 到混合精度（如 LU 分解、GMRES 迭代演練）在維持精度的同時節省數倍能耗與大幅提升效能。
章節三：核心融合（Kernel Fusion）與 JIT 即時編譯 － 介紹如何透過將多個運算步驟融合以減少資料搬移，並利用 JIT 編譯器優化動態工作流程。
章節四：Python 與 CUDA 生態系的深度結合 － 說明如何透過 CuBLASdx、Cutlass、Warp 及 Legate 將 C++ 底層極致效能轉化為 Python 開發者的完整加速體驗。
章節五：分散式系統加速與 GPU Direct 技術進化 － 剖析 GPUDirect Async 到 Kernel Initiated 如何突破 CPU 瓶頸，實現低延遲與高頻寬通訊。
章節六：Grace Hopper 架構與動態任務圖（Conditional CUDA Graphs） － 介紹統一記憶體架構（NVLink C2C）與 CUDA 12.4 具備控制流（If / While）的動態圖運算。
能衡量演算法的能耗與效能（Performance per Watt），選擇適當的混合精度與優化模型。能掌握 CUDA 平台、Tensor Cores、Cutlass、Warp、Legate 以及動態 CUDA Graphs，進行複雜運算管線的優化與極速部署。
活動詳情：https://smelearning.sme.gov.tw/news.php?node=840