Portátil del alumno

La metodología de enseñanza de este curso intercala explicaciones teóricas con ejercicios en la nube que el alumno deberá completar de forma individual. Para ello, el DLI proporciona la plataforma Web a través de una sesión interactiva que el alumno establecerá durante las clases desde su propio navegador Web. Para usar todos estos recursos, el alumno deberá traer su portátil a las clases presenciales, cuya idoneidad para el curso deberá verificar previamente en el servidor web https://websocketstest.com:

  • Bajo ENVIRONMENT, verificar que "Websockets supported" se encuentra en estado "yes".
  • Bajo WEBSOCKETS (Port 443, SSL), confirmar que "Data Receive", "Data Send" y "Echo Test" están todos en estado "yes".

Otra forma de validar un portátil consiste en usarlo para acceder a la página Web http://websocketstest.courses.nvidia.com y comprobar que aparecen los siguientes contenidos:

Si surge algún problema con Websockets, recomendamos actualizar el Navegador Web. Conviene recordar en este punto que la infraestructura del DLI no está pensada para ser utilizada desde el teléfono móvil. Eso no significa que no pueda funcionar correctamente, pero no es algo que esté soportado con plenas garantías.

Una vez validado su portátil, el alumno lo usará para acceder a la web del DLI, https://courses.nvidia.com/join y registrarse como usuario en la plataforma que usaremos a lo largo del curso. Dentro ya de su cuenta, podrá acceder gratuitamente a cada curso del DLI a través de un código promocional gratuito que le proporcionaremos durante la celebración de las clases presenciales.

Se utilizarán Jupyter notebooks para la resolución en tiempo real de ejercicios dentro del DLI de Nvidia, cuyos recursos de computación en la nube a través de Amazon Web Services (AWS) se describirán en una breve introducción del curso.

No es necesario contar con un portátil de última generación, ni que tenga prestaciones gráficas avanzadas, ni que cuente con una GPU de Nvidia. Tampoco es necesario tener instalada ninguna aplicación concreta. Todos estos recursos se encuentran ya instalados, configurados y accesibles a través de la plataforma del DLI, y son los siguientes:

  • Para el curso de CUDA: Compilador (nvcc), command-line profiler (nvprof) y Nvidia Visual Profiler (nvvp).
  • Para el curso de Deep Learning: Caffe, TensorRT y DIGITS.

El alumno ejecutará todos estos recursos en las GPUs más vanguardistas de Nvidia dentro del navegador Web de su propio portátil, por lo que podrá trabajar indistintamente bajo sistema operativo Linux, Windows o MacOS. Para un rendimiento óptimo con el navegador, se recomienda utilizar (1) Chrome, (2) Firefox y (3) Safari, por ese orden.