IBM Research открыла запись на специализацию Dataflow Architectures for AI: From Principles to Practice на платформе Coursera. Программа состоит из шести курсов и предназначена для инженеров и исследователей, которым нужно понимать, как одна модель PyTorch исполняется на разных типах ИИ-ускорителей.
В программе сравниваются GPU, Google TPU, Cerebras Wafer-Scale Engine, Groq Language Processing Unit и IBM Spyre. Один и тот же модуль PyTorch служит общей отправной точкой, после чего слушатели изучают различия в компиляции, размещении данных, планировании операций и работе памяти. Spyre используется как основной практический пример, поскольку преподавательская команда работает с этой архитектурой; курс не представляет сравнение как независимый рейтинг продуктов.
Шесть частей охватывают ландшафт ускорителей, модели потокового исполнения, компиляцию, системы памяти, отладку и моделирование производительности. В практических заданиях разбираются трассировка transformer-блока, сравнение обычного исполнения с torch.compile, анализ памяти при выводе языковой модели, поиск заложенных ошибок и построение диаграммы Roofline для оценки ограничений вычислений и памяти.
Основные лабораторные работы запускаются в Google Colab со стандартным PyTorch и не требуют закрытых инструментов. Дополнительный трек Dataflow Deep Dive использует оборудование Spyre и доступен только участникам партнёрских программ, но он не нужен для завершения специализации. IBM оценивает каждую лабораторную работу в 90–120 минут.
Курс рассчитан на слушателей среднего и продвинутого уровня: ожидаются знания Python и C/C++, архитектуры компьютеров, CNN и трансформеров. После завершения всех шести курсов Coursera выдаёт профессиональный сертификат по проектированию производительности ИИ-систем.
