Ressources gratuites
GPU et calcul parallèle
Vecteurs, processus de travail et lancement d’un noyau GPU simulé en Python.
NumPy, des processus de travail et le lancement d’un noyau GPU simulé en Python dans un JupyterLab. Le lab n’a pas de GPU : on apprend le modèle sur lequel un GPU est construit.
Labs pratiques
Leçons pratiques
Chaque leçon se déroule dans un lab pratique : un vrai environnement avec un terminal à côté, sans rien à installer. Un compte gratuit lance tous les labs, avec assez de crédit gratuit chaque mois pour suivre la plupart des leçons, et reçoit les leçons de base sur l’accueil ; sans compte, vous pouvez lancer le lab Git et le lab SQL.
Leçon pratique · lab de conteneurs
Parallel Computing Basics
Suivez cette leçon dans un vrai lab, avec un terminal à côté, et pas seulement en la lisant.
Chaque élève a son JupyterLab privé avec six petits scripts sur le calcul parallèle et le modèle d’un GPU. Il n’y a pas de GPU. Code sur GitHub.
Comment ça marche · Source sur GitHub · Créer un compte gratuit pour le lancer
Les leçons de base sont données à chaque compte gratuit, sur l’accueil, et à chaque établissement. Le cours complet s’ajoute à sa propre bibliothèque avec un compte personnel, ou s’enseigne avec un compte d’établissement. Les labs de VM Ubuntu sont proposés par un enseignant dans un module, et leurs leçons démarrent la VM pour vous.
Les lancer vous-même
Un compte personnel gratuit lance chaque lab de cette page et sa leçon, avec assez de crédit gratuit chaque mois pour suivre la plupart des leçons. Vous enseignez ? Créez un établissement et donnez-les à vos élèves.
Créer un compte gratuitCréer un établissement
Vous avez déjà un compte ? Se connecter