课程简介
- 课程所属大学: 卡内基梅隆大学
- 先修要求: 无硬性先修要求；建议具备机器学习入门知识和深度学习训练经验，熟悉 PyTorch；掌握基础 CUDA/GPU 知识有助于学习。
- 编程语言: Python；系统与算子层面涉及 CUDA 和硬件概念。
- 课程难度: 🌟🌟🌟🌟🌟
- 预计学时: 80-120 学时
一门面向系统与性能优化的课程，讲解高层机器学习模型如何被分解、编译并在异构加速器和分布式环境中高效执行。内容包括 GPU 与 CUDA 编程、机器学习编译、计算图优化、分布式训练、自动并行化，以及大语言模型服务与推理加速。课程包含每周论文阅读和小组系统项目。
课程资源
- 自动更新来源: cs-self-learning