cuFFT bietet die Möglichkeit, schnelle Fourier-Transformationen (FFTs) an großen Datensätzen durchzuführen. Die Studenten lernen häufige Anwendungsfälle wie die schnelle Multiplikation großer Polynome, Signalverarbeitung und Matrixoperationen kennen. Sie werden diese Bibliothek verwenden, um Software zur Verarbeitung von Audio- oder Videosignalen zu entwickeln.

Das CUDA Toolkit enthält eine Reihe von Bibliotheken für lineare Algebra, wie z.B. cuBLAS, NVBLAS, cuSPARSE und cuSOLVER. Die Teilnehmer lernen die verschiedenen Fähigkeiten und Grenzen vieler dieser Bibliotheken kennen und wenden dieses Wissen an, um Matrixpunktprodukte und Determinanten zu berechnen und Lösungen für komplexe lineare Systeme zu finden.

Die meisten Entwickler verwenden Datenstrukturen, die über die Primitive und Zeiger hinausgehen, die den Kern der CUDA Programmierer ausmachen, was die reine CUDA Entwicklung schwierig macht. Die Studenten lernen die Thrust-Bibliothek kennen, die die Vektor-Datenstruktur und die damit verbundenen Algorithmen hinzufügt, die eine Vereinfachung ihres Codes ermöglichen. Die Studenten werden Software erstellen, die große Datensätze transformiert, reduziert und sortiert.

Datenwissenschaftler, Experten für maschinelles Lernen und künstliche Intelligenz verwenden neuronale Netzwerke, um Probleme wie die Übersetzung menschlicher Sprache, die Klassifizierung von Bildern und die Erkennung/Vermeidung von Objekten zu lösen. Mit Hilfe von cuDNN und cuTensor werden die Studenten in der Lage sein, eine Vielzahl von neuronalen Netzen und ähnlichen Strukturen zu entwickeln. Am Ende dieses Moduls werden die Studenten aufgefordert, ein kursübergreifendes Projekt zu entwickeln, das ihr Wissen aus allen vorangegangenen Kursen und Lektionen zusammenführt, um ein abschließendes Softwareprojekt zu entwickeln.