코로나바이러스 감염증-19(COVID-19) 업데이트

COVID-19 발병과 관련한 우려가 높아짐에 따라, Mathworks는 정규 교육 과정의 선택적 대안으로 강사 주도형 온라인 교육 과정을 추가하고 있습니다.

수강자 필수조건

MATLAB Fundamentals (MATLAB 기본) 이수 또는 동등한 MATLAB 사용 경험 필요

Accelerating and Parallelizing MATLAB Code

본 2일 교육과정은 MATLAB 코드의 실행 속도를 향상시키는 다양한 방법들을 다룹니다. 메모리 선할당(preallocation) 및 벡터화 연산(vectorization) 등을 사용하여 계산상의 병목 현상을 제거하는 방법, MATLAB Coder^™를 사용하여 MATLAB 코드를 MEX 파일로 컴파일하는 방법, Parallel Computing Toolbox^™를 사용하여 병렬 for 루프에 의한 컴퓨터의 멀티 코어 기능을 활용하는 방법, MATLAB Parallel Server^™를 사용하여 여러 컴퓨터로 처리 규모를 확장하는 방법 등을 교육 전반에 걸쳐 학습할 것입니다. 시뮬레이션 시간이 오래 걸렸던 엔지니어 분들은 본 교육과정에서 제공하는 다양한 실습 및 연습문제들을 통해 도움을 받을 수 있습니다. 본 과정의 주요 내용은 다음과 같습니다.

MATLAB 핵심 기능 내에서 성능 개선
MEX 파일 생성
병렬 연산
오프로딩(offloading) 실행 기법
클러스터 활용
GPU 컴퓨팅

상세한 과정 개요 보기

수강자 필수조건

MATLAB Fundamentals (MATLAB 기본) 이수 또는 동등한 MATLAB 사용 경험 필요

Day 1 of 2
Improving Performance	Objective: Analyze code performance and utilize techniques for acceleration within MATLAB. Identifying bottle necks Preallocating arrays Vectorizing operations in various ways Rewriting algorithms
Generating MEX-Files	Objective: Generate compiled code files from MATLAB code for better performance. MATLAB Coder overview and workflow Generating and verifying MEX-files Calling unsupported functions Adjusting settings for MEX-file generation
Parallelizing Computations	Objective: Parallelize code execution to take advantage of multiple cores. Opening additional MATLAB processes Running parallel for-loops Measuring speedup Processing multiple files in parallel

Day 2 of 2
Parallel for-Loops	Objective: Explore parallel for-loops in more detail and apply techniques for converting for-loops to parfor-loops. Requirements of parallel for-loops Parallelizing for-loops Retrieving intermediate results
Offloading Execution	Objective: Offload computations to another MATLAB process in order to be able to use MATLAB for other tasks in the meantime. This is also a preparation step for working with clusters. Processing in batch Creating batch jobs Retrieving results Using the Job Monitor
Working with Clusters	Objective: Accelerate computations and realize more extensive simulations by utilizing multiple computers. Local and remote clusters Dynamic licensing Cluster discovery and connection File access considerations
GPU Computing	Objective: Execute MATLAB code on your computer’s graphics card (GPU) as another option for speeding up calculations. Overview of GPU architecture and processing Applications suitable for GPU processing Invoking MATLAB functions on the GPU Generating CUDA^® MEX files using GPU Coder^™ Using pre-existing CUDA code

진행 확정

해당하는 과정에 등록하신 경우에는 일정이 취소 또는 변경되지 않습니다

일정 및 등록

결과 1 - 7 / 7

날짜	지역	언어	가격
2020 년05월28일- 2020 년05월29일	온라인 오전 9:00 - 오후 5:00 일본 표준시	Japanese	USD 1,500
2020 년06월23일- 2020 년06월24일	온라인 오전 9:00 - 오후 5:00 중앙 유럽 표준시	English	USD 1,500
2020 년06월23일- 2020 년06월24일	온라인 오전 9:00 - 오후 5:00 중국 표준시	Chinese	USD 1,500
2020 년10월06일- 2020 년10월07일	독일, Ismaning (bei München)	German	EUR 1,400
2020 년10월15일- 2020 년10월16일	온라인 오전 9:00 - 오후 5:00 미국 동부 서머 타임	English	USD 1,500
2020 년11월23일- 2020 년11월24일	대한민국, Gangnam, Seoul	Korean	KRW 900,000
2020 년12월15일- 2020 년12월16일	독일, Ismaning (bei München)	English	EUR 1,400

결과 1 - 7 / 7

이 교육 과정 등록비는 미국, 에 해당되는 가격입니다. 그 외의 지역 및 국가의 가격은 영업팀에 문의하십시오. 교육 과정 등록비에는 판매세, 이용세, 소비세, 부가가치세, 또는 기타 세금이 포함되어 있지 않습니다. 실제로 적용되는 세금 및 추가 부담금 등은 등록 시에 확정됩니다. 자세한 내용은 MathWorks 교육 정책을 참조하십시오.