Formation Programmer C++ et CUDA : Accélérer vos applications avec Visual Studio

01.Introduction au C++ moderne et à Visual Studio

• —Présentation du C++11/14/17/20 et ses évolutions clés.
• —Environnement de développement Visual Studio : interface, projets, solutions.
• —Compilation, exécution, et débogage de programmes C++.

02.Programmation orientée objet en C++

• —Classes, objets, constructeurs, destructeurs.
• —Héritage, polymorphisme, et fonctions virtuelles.
• —Modèles (templates) et programmation générique.

03.Structures de données et algorithmes C++

• —Conteneurs de la STL : vector, list, map, set.
• —Itérateurs et algorithmes standards.
• —Gestion de la mémoire et pointeurs intelligents (smart pointers).

04.Introduction au calcul GPU et à CUDA

• —Architectures CPU vs GPU : principes du parallélisme.
• —Présentation de CUDA : historique, avantages, architecture logicielle.
• —Installation du toolkit CUDA et configuration sous Visual Studio.

05.Principes fondamentaux de la programmation CUDA

• —Modèle d'exécution CUDA : grilles, blocs, threads.
• —Fonctions Device et Host, gestion des noyaux (kernels).
• —Transferts de données Host-Device (cudaMemcpy).

06.Rappels C++ pour CUDA et premiers noyaux

• —Syntaxe CUDA et mots-clés spécifiques (`__global__`, `__device__`, `__host__`).
• —Écriture et exécution de premiers noyaux CUDA simples.
• —Débogage de noyaux CUDA avec Nsight.

07.Gestion de la mémoire GPU

• —Mémoire globale, partagée (shared memory), constante, texture.
• —Optimisation des accès mémoire : bank conflicts, coalescence.
• —Stratégies d'allocation et de libération mémoire efficientes.

08.Optimisation des performances CUDA

• —Profilage des applications CUDA avec NVVP/Nsight Systems.
• —Latence, bande passante, occupation du GPU.
• —Techniques d'optimisation : streaming, multi-GPU.

09.Utilisation des flux CUDA (Streams)

10.Intégration CUDA avec des applications C++

• —Interopérabilité CPU-GPU : passage de données complexes.
• —Intégration de code CUDA dans des projets C++ existants.
• —Utilisation de bibliothèques CUDA (cuBLAS, cuFFT, etc.).

11.Bonnes pratiques de développement CUDA

12.Cas pratiques et débogage avancé CUDA

• —Réalisation d'un projet complet d'accélération GPU.
• —Diagnostic et résolution de problèmes complexes (performance, erreurs).
• —Veille technologique et perspectives d'évolution CUDA.