Kostenlose Ressourcen
GPU und paralleles Rechnen
Vektoren, Arbeitsprozesse und ein in Python simulierter GPU-Kernelstart.
NumPy, Arbeitsprozesse und ein in Python simulierter GPU-Kernelstart in einem JupyterLab. Das Lab hat keine GPU: Du lernst das Modell, auf dem eine GPU gebaut ist.
Praktische Labs
Praktische Lektionen
Jede Lektion hier wird in einem praktischen Lab durchgearbeitet: einer echten Umgebung mit einem Terminal daneben, ohne Installation. Ein kostenloses Konto führt jedes Lab aus, mit genug kostenlosem Guthaben pro Monat, um den Großteil der Lektionen durchzuarbeiten, und erhält die Basislektionen auf der Seite „Start“; ohne Konto können Sie das Git-Lab und das SQL-Lab ausführen.
Praktische Lektion · Container-Lab
Parallel Computing Basics
Arbeiten Sie diese Lektion in einem echten Lab durch, mit einem Terminal daneben, statt sie nur zu lesen.
JupyterLab für alle Lernenden mit sechs kurzen Skripten zur Parallelverarbeitung und zum Modell hinter einer GPU. Es gibt keine GPU. Code auf GitHub.
So funktioniert es · Quellcode auf GitHub · Kostenloses Konto erstellen, um es auszuführen
Basislektionen erhält jedes kostenlose Konto auf der Seite „Start“ und jede Einrichtung. Die Lektionen ganzer Kurse sind für Einrichtungen. Labs, die als Ubuntu-VM-Lab gekennzeichnet sind, werden von einer Lehrkraft in einem Modul gestellt, und ihre Lektionen starten die VM für Sie.
Selbst ausführen
Ein kostenloses persönliches Konto führt jedes Lab hier und seine Lektion aus, mit genug kostenlosem Guthaben pro Monat, um den Großteil der Lektionen durchzuarbeiten. Sie unterrichten eine Klasse? Gründen Sie eine Einrichtung und weisen Sie sie Ihren Lernenden zu.
Kostenloses Konto erstellenEine Einrichtung gründen
Sie haben schon ein Konto? Anmelden