Recursos gratuitos
GPU y computación paralela
Vectores, procesos de trabajo y el lanzamiento de un kernel de GPU simulado en Python.
NumPy, procesos de trabajo y el lanzamiento de un kernel de GPU simulado en Python en un JupyterLab. El laboratorio no tiene GPU: aprendes el modelo sobre el que se construye una GPU.
Laboratorios prácticos
Lecciones prácticas
Cada lección se trabaja en un laboratorio práctico: un entorno real con un terminal al lado, sin nada que instalar. Una cuenta gratuita ejecuta todos los laboratorios, con crédito gratuito suficiente cada mes para seguir la mayoría de las lecciones, y recibe las lecciones básicas en Inicio; sin cuenta puedes ejecutar el laboratorio de Git y el de SQL.
Lección práctica · laboratorio de contenedores
Parallel Computing Basics
Sigue esta lección en un laboratorio real, con un terminal al lado, y no solo leyéndola.
Un JupyterLab privado para cada alumno, con seis scripts breves sobre computación paralela y el modelo de una GPU. No hay GPU. Código en GitHub.
Cómo funciona · Código en GitHub · Crea una cuenta gratuita para ejecutarlo
Las lecciones básicas se dan a cada cuenta gratuita, en Inicio, y a cada centro. El curso completo se añade a la propia biblioteca con una cuenta personal, o se enseña con una cuenta de centro. Los laboratorios de VM Ubuntu los propone un docente en un módulo, y sus lecciones inician la VM por ti.
Ejecútalos tú mismo
Una cuenta personal gratuita ejecuta todos los laboratorios de esta página y su lección, con crédito gratuito suficiente cada mes para seguir la mayoría de las lecciones. ¿Das clase? Crea un centro y asígnalos a tus alumnos.
Crear una cuenta gratuitaCrear un centro
¿Ya tienes una cuenta? Inicia sesión