NVIDIA Deep Learning Institute

世界で最も困難な問題を解決するためのトレーニング

カタログを見る

NVIDIA Deep Learning Institute (DLI) では、AI、アクセラレーテッド コンピューティング、アクセラレーテッド データ サイエンスに関するハンズオン トレーニングを提供しています。開発者、データ サイエンティスト、研究者、および学生は、クラウドの GPU を活用した実践的な経験を積み、専門的能力の成長をサポートするコンピテンシーの認定を受けることができます。DLI は、ご自分のペースで進められるオンラインの個人向けトレーニング、チーム向けの参加型ワークショップ、大学教育者向けのダウンロード可能なコース教材から始められます。

  • <span style=

    オンライン
    コース

  • <span style=

    インストラクタによる
    ワークショップ

  • <span style=

    大学
    トレーニング

NVIDIA Deep Learning Institute (DLI) では、AI、アクセラレーテッド コンピューティング、アクセラレーテッド データ サイエンスに関するハンズオン トレーニングを提供しています。開発者、データ サイエンティスト、研究者、および学生は、クラウドの GPU を活用した実践的な経験を積み、専門的能力の成長をサポートするコンピテンシーの認定を受けることができます。DLI では、個人向けの自習型オンライン トレーニング、チーム向けのインストラクターによるワークショップ、大学教育関係者がダウンロードできるコース資料をご用意しております。

DLI によるオンライン トレーニング

修了認定あり

ディープラーニング コース

ディープラーニング基礎

  •

    ディープラーニングの基礎 - 画像認識・物体検出 
    詳細を見る

    ニューラル ネットワークをトレーニングし、結果を利用してパフォーマンスや機能を改善することでディープラーニングの基礎が身につきます。

    参加条件: 関数や変数など、プログラミングの基本を身につけていること

    テクノロジ: Caffe、DIGITS

    時間: 8 時間

    受講料: 90 ドル (税別)

     

  •

    Jetson Nano で AI を始める

    詳細を見る

    NVIDIA Jetson Nano 開発者キットがあれば、メーカー、独学で取り組んでいる個人開発者、組込み開発マニアなどの皆さんが AI のパワーを手に入れることができます。この使いやすくて高性能なコンピューターは、画像の分類、オブジェクトの検出、セグメンテーション、音声処理のようなアプリケーションにおいて複数のニューラル ネットワークを並列で実行することが可能です。本コースでは、Jetson Nano 上で動く Jupyter iPython Notebook を使用して、コンピューター ビジョン モデルを用いたディープラーニング分類プロジェクトを構築します。

    参加条件: Python の知識 (必須ではありませんが役立ちます)

    テクノロジ:PyTorch、Jetson Nano

    時間: 8 時間

    受講料: 無料

     

  •

    DIGITS による画像分類
    詳細を見る

    ディープラーニングはまったく新しいソリューションを可能にします。手動でコード化していた命令がサンプルから学習したモデルに取って代わられます。手書きの数字を認識するようにディープ ニューラル ネットワークをトレーニングします。

    参加条件: なし

    テクノロジ: Caffe (および DIGITS インターフェイス)

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    DIGITS による物体検知
    詳細を見る

    航空写真から鯨の顔を検出するという難題をとおして、物体検出にディープラーニングを適用する方法を学習します。

    参加条件: ニューラル ネットワークの基本的な経験

    テクノロジ: Caffe (および DIGITS インターフェイス)

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    TensorRT を用いた TensorFlow モデルの最適化とデプロイ
    詳細を見る

    組み込み TensorRT ライブラリ (TF-TRT) と Python を使用して、TensorFlow プラットフォームで高性能なディープラーニング モデルを生成するための基礎を学びましょう。この選択科目の内容:

    参加条件: TensorFlow およびPython の経験

    テクノロジ: TensorFlow、Python、 TensorRT - TF-TRT

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    Horovod による分散ディープラーニング
    詳細を見る

    Horovod を使用して、ディープラーニングのトレーニングを複数 GPU に拡張する方法を学習します。Horovod は、もともと Uber が作成し、LF AI Foundation によってホストされていたオープンソースの分散トレーニング フレームワークです。

    参加条件: Python および Python によるディープラーニング モデルのトレーニングに関するプロフェッショナル経験

    テクノロジ: Horovod、TensorFlow、Keras、Python

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    TensorFlow による画像セグメンテーション
    詳細を見る

    画像 (またはセマンティック) セグメンテーションは、画像の各ピクセルを特定のクラスに配置するという作業です。心臓の各部位を測定するために MRI 画像を分割する方法を学習します。

    参加条件: ニューラル ネットワークの基本的な経験

    テクノロジ: TensorFlow

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    DIGITS による信号処理
    詳細を見る

    ディープ ニューラル ネットワークは、画像の分類で人間より優れています。そのことは、コンピュータービジョンが私たちの予想を超えることを暗に意味します。無線周波数 (RF) 信号を画像に変換し、雑音で埋もれた弱い信号を検出する方法について学習します。

    参加条件: ニューラル ネットワークのトレーニングの基本的な経験

    テクノロジ: Caffe、DIGITS

    時間: 2 時間

    受講料: 30 ドル (税別)

ディープラーニングによるデジタル コンテンツの制作

  •

    Torch による画像スタイル変換
    詳細を見る

    際立った視覚的特徴を抽出することにより、画像のルック アンド フィールを他の画像に移す方法を学習します。特徴の抽出に畳み込みニューラル ネットワーク (CNN) を使用する仕組みと、抽出した特徴をジェネレータに送り、新しい画像を作成する仕組みを確認します。

    参加条件: CNN の経験

    テクノロジ: Torch, CNNs

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    オートエンコーダーを使用したレンダリング画像のノイズ除去
    詳細を見る

    オートエンコーダーを使用したニューラル ネットワークによりレイ トレーシング画像のノイズ除去を劇的に高速化する方法を学習します。

    参加条件: CNN の経験

    テクノロジ: TensorFlow, CNNs

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    オートエンコーダーを利用した画像の超解像
    詳細を見る

    オートエンコーダーによるニューラル ネットワークのパワーを活用し、低品質のソース画像から高品質の画像を作成します。

    参加条件: CNN の経験

    テクノロジ: Keras, CNNs

    時間: 2 時間

    受講料: 30 ドル (税別)

ディープラーニングによるヘルスケア

  •

    Keras によるリカレント ニューラル ネットワークを用いた時系列データのモデリング
    詳細を見る

    再帰型ニューラル ネットワーク (RNN) を利用すると、自然言語や市場などの時系列データをモデルで分類したり、予測したりできます。一定期間経過後の患者の健康にも応用できます。

    参加条件: ディープラーニングの基本的な経験

    テクノロジ: Keras

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    MedNIST データセットを利用した医用画像分類
    詳細を見る

    放射線医学と医用画像のためのディープラーニングの概要を実地体験方式で学習します。

    参加条件: Python の基本的な経験

    テクノロジ:  PyTorch, Python

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    医学的応用におけるディープラーニング向けデータ サイエンスのワークフロー
    詳細を見る

    医用データセットでは、ディープラーニング導入において特別な配慮が必要です。

    参加条件: Python と CNN の基本的な経験

    テクノロジ: PyTorch, Python, CNNs

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    DIGITS による医用画像セグメンテーション
    詳細を見る

    画像 (またはセマンティック) セグメンテーションは、画像の各ピクセルを特定のクラスに分類するという作業です。心臓の各部位を測定するために次の方法で MRI 画像を分割します。

    参加条件: CNN と Python の基本的な経験

    テクノロジ: DIGITS, Caffe, CNNs, Python

    時間: 2 時間

    受講料: 30 ドル  (税別)

  •

    TensorFlow による画像の分類: Radiomics—1p/19q 染色体のステータス分類
    詳細を見る

    Mayo Clinic で実施された研究のおかげで、ディープラーニング手法を利用して MRI 画像から Radiomics を見い出すことが脳腫瘍患者の効果的な治療と健康状態の改善につながりました。次により 1p19q 共欠損バイオマーカーを検出する方法を学習します。

    参加条件: CNN と Python の基本的な経験

    テクノロジ: TensorFlow, CNNs, Python

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    R と MXNet による医用画像解析
    詳細を見る

    CNN (畳み込みニューラル ネットワーク) を医療画像解析に適用し、MRI 画像から患者の状態を推論します。時系列の MRI データから人間の心臓の左心室の容積を推論するように CNN をトレーニングする方法について学習します。

    参加条件: CNN と Python の基本的な経験

    テクノロジ: MXNet, CNNs, Python

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    医用画像のための生成ネットワークによるデータ オーギュメンテーションとセグメンテーション
    詳細を見る

    敵対的生成ネットワーク (GAN) は 1 組のディープ ニューラル ネットワークです。与えられたトレーニング データに基づいて新しい例を作り出すジェネレーター (Generator/生成するもの) と本物と模造データを見分ける試みをするディスクリミネーター (Discriminator/識別するもの) からなります。この 2 つのネットワークが共に向上するとき、作り出される例も現実に一層近づきます。これは医療にとってたいへん有望なテクノロジです。小さなデータセットを拡大して従来のネットワークをトレーニングできるためです。

    参加条件: CNN の経験

    テクノロジ: TensorFlow, GANs, CNNs

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    CFCM (Coarse-to-Fine Contextual Memory) による医用画像処理
    詳細を見る

    CFCM (Coarse-to-Fine Contextual Memory) は画像セグメンテーションのために開発された手法であり、非常に深いアーキテクチャを利用し、さまざまなスケールと畳み込み LSTM (Long Short-Term Memory) の特徴を組み込んでいます。

    参加条件: CNN の経験

    テクノロジ: TensorFlow, CNNs, CFCM

    時間: 2 時間

    受講料: 30 ドル (税別)

ディープラーニングによるインテリジェント ビデオ分析

  •

    DeepStream を使用したインテリジェント ビデオ分析の AI ワークフロー
    詳細を見る

    DeepStream 3.0 フレームワークは、ハードウェアで高速化するインテリジェント ビデオ分析 (IVA) アプリケーションの構築ブロック機能を利用できます。この機能で、開発者は中心となるディープラーニング ネットワーク構築に集中できるようになります。DeepStream SDK は、様々なユースケースで実証済みで、展開メディア上での柔軟性を実現します。

    参加条件: C++ および Gstreamer の経験

    テクノロジ : DeepStream3, C++, Gstreamer

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    Jetson Nano で始めるビデオ分析向け DeepStream
    詳細を見る

    物体検出および分類のネットワークを使用してビデオ ストリームのアノテーションを行うための DeepStream アプリケーションを構築する方法を学びます。

    参加条件: C 言語の基礎知識

    テクノロジ: DeepStream, TensorRT, Jetson Nano

    時間: 8 時間、自習型

    受講料: 無料

アクセラレーテッド コンピューティング コース

  •

    CUDA C/C++ によるアクセラレーテッド コンピューティングの基礎  
    詳細を見る

    CUDA コンピューティング プラットフォームにより、CPU のみのアプリケーションを世界最速の大規模並列 GPU で実行して高速化します。C/C++ アプリケーションの高速化を 以下の方法で体験します。

    参加条件: 変数の型、ループ、条件付き命令、関数、配列操作など、 C/C++ の基礎知識。

    テクノロジ: C/C++, CUDA

    時間: 8 時間

    受講料: 90 ドル (税別)

  •

    CUDA Python によるアクセラレーテッド コンピューティングの基礎

    詳細を見る

    このコースでは、Numba (JIT、型指定 Python 関数コンパイラ) を使用し、Python プログラムを大規模並列 NVIDIA GPU で実行することで高速化する方法を学習します。

    参加条件: 変数の型、ループ、条件付き命令、関数、配列操作など、 Python の基礎知識。ndarrays や ufunc の使用など、 NumPy の知識。

    テクノロジ: CUDA, Python, Numba, NumPy

    時間: 8 時間

    受講料:90 ドル (税別)

  •

    OpenACC によるアクセラレーテッドコンピューティングの基礎
    詳細を見る

    GPU プログラミングのための高水準プログラミング言語である OpenACC の基礎を学習します。このコースは、C/C++ の経験が多少あり、アプリケーションのパフォーマンスを加速して CPU だけのプログラミングの限界を超えることに興味がある人を対象にしています。

    参加条件: C/C++ の基本的な経験

    テクノロジ: OpenACC, C/C++

    時間: 8 時間

    受講料: 90 ドル (税別)

  •

    コンテナーを使用したハイパフォーマンス コンピューティング
    詳細を見る

    HPC (ハイ パフォーマンス コンピューティング) アプリケーション開発向けのコンテナー環境を使用して、コードの複雑さを軽減し、移植性と効率性を向上させる方法を学習します。

    参加条件: C/C++ の熟練プログラミングと HPC アプリケーションに関するプロフェッショナル経験

    テクノロジ: Docker、Singularity、HPCCM、C/C++

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    CUDA C/C++ によるアプリケーションの高速化
    詳細を見る

    NVIDIA GPU の大規模並列処理の性能を活用する CUDA を使用して、C/C++ アプリケーションを高速化する方法を学習します。以下の目的で、CUDA でプログラミングする方法を学習します。

    参加条件: Basic experience with C/C++

    テクノロジ: C/C++, CUDA

    時間: 2 時間

    受講料: 30 ドル  (税別)

  •

    OpenACC – 4 ステップで 2 倍
    詳細を見る

    NVIDIA GPU の大規模並列処理能力を活用する OpenACC を使用し、C/C++ または Fortran アプリケーションを高速化する方法を学習します。OpenACC はディレクティブを基礎とする計算処理手法です。アクセラレータ コードを自分で記述する代わりに、コンパイラにコードを高速化するヒントを与えます。OpenACC を利用したアプリケーションの高速化は、次の 4 段階プロセスで始められます。

    参加条件: C/C++ の基本的な経験

    テクノロジ: C/C++, OpenACC

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    CUDA C/C++ による GPU メモリの最適化
    詳細を見る

    CUDA C/C++ での NVIDIA GPU のプログラミングに役立つメモリ最適化のテクニックと、この最適化をサポートする NVIDIA Visual Profiler (NVVP) の使用方法を試します。

    参加条件: : CUDA C/C++ によるアプリケーションの高速化または同様の経験

    テクノロジ: CUDA C/C++, NVVP

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    C/C++ の GPU 対応ライブラリによるアプリケーションの高速化
    詳細を見る

    NVIDIA GPU の大規模並列処理の性能を活用するドロップイン ライブラリを使用して、C/C++ アプリケーションを高速化する方法を学習します。次の 3 つの演習を行います。

    参加条件: 「CUDA C/C++ によるアプリケーションの高速化」または同様の経験

    テクノロジ:  C/C++, CUDA

    時間: 2 時間

    受講料: 30 ドル (税別)

  •

    Thrust による C++ の高速化
    詳細を見る

    Thrust は C++ 標準テンプレート ライブラリをおおよその基盤とする並列アルゴリズム ライブラリです。OpenMP や Intel のスレッディング ビルディング ブロックなど、複数のシステム バックエンドをサポートし、開発者は並列計算処理のパワーをすぐに利用できます。Thrust を利用し、次の演習をとおして C++ を高速化します。

    参加条件: 「CUDA C/C++ によるアプリケーションの高速化」または同様の経験

    テクノロジ: C/C++, Thrust

    時間: 2 時間

    受講料: 30 ドル (税別)

アクセラレーテッド データ サイエンス コース

  •

    RAPIDS を使用した高速化データ サイエンスの基礎

    詳細を見る

    RAPIDS は、データ サイエンス ワークフローのエンドツーエンド GPU 高速化を可能にするデータ サイエンス ライブラリのコレクションです。 

    参加条件: Python の経験。必須ではありませんが、Pandas および NumPy の経験

    テクノロジ: RAPIDS、NumPy、XGBoost、DBSCAN、K-Means、SSSP、Python

    時間: 6 時間

    受講料: 90 ドル (該当する場合、税を除く)

  •

    RAPIDS でデータ サイエンスのワークフローを高速化
    詳細を見る

    オープン ソースの RAPIDS プロジェクトにより、データ サイエンティストは、データ サイエンスおよびデータ分析アプリケーションを開始から終了まで GPU で高速化し、大幅なパフォーマンスの向上と、これまでの CPU のみによるワークフローでは不可能な技術の可能性を開くことができます。

    参加条件: Pandas、NumPy、scikit-learn の高度なコンピテンシー

    テクノロジ:  RAPIDS, Pandas, NumPy, scikit-learn

    時間: 2 時間

    受講料: 30 ドル (税別)

IT のための AI コース

  •

    データ センターの AI の概要

    詳細を見る

    AI、GPU コンピューティング、NVIDIA AI ソフトウェア アーキテクチャの概要、およびデータ センターで AI ワークロードを実装/拡張する方法ついて説明します。AI が社会をどのように変革し、この変革を促進するために GPU コンピューティングをデータ センターにどのように導入すべきか理解していただけます。

    参加条件: エンタープライズ ネットワーキング、ストレージ、およびデータ センターの運用に関する基本的な知識

    テクノロジ: 人工知能 (AI)、機械学習、ディープラーニング、GPU ハードウェアおよびソフトウェア

    時間: 4 時間

    受講料: $30 (税別)

パートナーとのオンライン トレーニング

DLI は教育業界をリードする組織と連携し、ディープラーニング トレーニングを世界中の開発者とデータ サイエンティストにお届けしています。

Udacity Computer Vision Nanodegree
Nanodegree: Coursera Deep Learning Specialization

開催予定のインストラクターによるワークショップ

DLI では、世界中のカンファレンスや大学でインストラクターによる公開ワークショップを開催しています。以下の予定をご覧いただき、お住まいの地域のワークショップをご確認ください。

大人数のチームやトレーニングに興味がある自主学習者には、DLI 認定の講師が指導する終日のワークショップを推奨しています。チーム向けの終日ワークショップをオンサイトか仮想配信でリクエストできます。DLI を利用すると、クラウド上の隅々まで環境設定された GPU アクセラレーテッド サーバーにアクセスでき、業務のための実践的技能を身に付けることができます。また、関連分野のコンピテンシーを示す認定を受ける機会が与えられます。

ワークショップを申し込む
修了認定あり

ディープラーニング ワークショップ

ディープラーニング入門

  •

    ディープラーニングの基礎 - 画像認識・物体検出 
    ワークショップを申し込む
    データシートを見る

    ニューラル ネットワークをトレーニングし、結果を利用してパフォーマンスや機能を改善することでディープラーニングの基礎が身につきます。

    このコースでは、ニューラル ネットワークをトレーニングし、配置し、ディープラーニングの基礎を学びます。学習内容:

    • 画像分類や物体検出など、一般的なディープラーニング ワークフローを導入する
    • データ、トレーニング パラメーター、ネットワーク構造、その他の戦略を試し、パフォーマンスや機能を改善する
    • ニューラル ネットワークを導入し、実世界の問題を解決する

    修了すると、ディープラーニングを利用して自分で問題を解決できるようになります。

    参加条件: 関数や変数など、プログラミングの基本を理解していること

    テクノロジ: Caffe、DIGITS

  •

    ディープラーニングの基礎 - 動画解析・自然言語処理 
    ワークショップを申し込む
    データシートを見る

    このコースでは、畳み込みニューラル ネットワークと回帰ニューラル ネットワークを組み合わせ、画像やビデオ クリップに含まれるコンテンツの効果的な記述を生成する方法について学習します。

    TensorFlow と COCO (Microsoft Common Objects in Context) データセットを利用してネットワークをトレーニングし、画像や動画からキャプションを生成する方法について学習します。キャプションは以下の方法で生成します。

    • 画像セグメンテーションやテキスト生成など、ディープラーニング ワークフローを実装します
    • データの種類、ワークフロー、フレームワークを比較します
    • コンピューター ビジョンと自然言語処理を組み合わせます

    修了すると、さまざまな種類のデータ入力を必要とするディープラーニングの問題を解決できるようになります。

    参加条件: Python の基本的な知識 (関数と変数)。ニューラル ネットワークのトレーニング経験。

    テクノロジ: TensorFlow

  •

    ディープラーニングの基礎 - 自然言語処理 
    ワークショップを申し込む
    データシートを見る

    最新のディープラーニング手法を学習し、自然言語処理 (NLP) を利用したテキスト入力を理解してください。学習内容:

    • 機械が理解できる表現と古典的な手法にテキストを変換する
    • 分散表現 (埋め込み) を実装し、その特性を理解する
    • ある言語を別の言語に翻訳する機械をトレーニングする

    修了すると、同様の用途で埋め込みを利用する NLP に詳しくなります。

    参加条件: ニューラル ネットワークと Python プログラミングの基本。言語学に関する知識。

    テクノロジ: TensorFlow、Keras

  •

    ディープラーニングの基礎 - マルチ GPU 
    ワークショップを申し込む
    データシートを見る

    自動運転車などの AI アプリケーションを実現するためのディープ ニューラル ネットワークでは、膨大な計算能力が要求されます。自動運転車の研究で使われるような膨大なデータセットの場合、1 つの GPU では 1 回のトレーニング周期に数週間かかります。年単位になることさえあります。ディープラーニングにマルチ GPU を使用すると、大量のデータによるトレーニング時間を大幅に短縮し、ディープラーニングによる複雑な問題の解決を可能にします

    このコースでは、マルチ GPU を使用したニューラル ネットワークのトレーニング方法を学ぶことができます。学習内容:

    • マルチ GPU トレーニングへのアプローチ
    • 大規模なトレーニングにおけるアルゴリズムと技術に関する課題
    • 上記の課題解決のための主要テクニック

    修了すると、TensorFlow を使用して、ディープ ニューラル ネットワークのトレーニングを効果的に並列化できるようになります。

    参加条件: 確率的勾配降下法、ネットワーク アーキテクチャ、並列コンピューティングの経験

    テクノロジ: TensorFlow

業界別ディープラーニングのワークショップ

  •

    自動運転車のためのディープラーニング - 認識機能

    ワークショップを申し込む
    データシートを見る

    NVIDIA DRIVE™ 開発プラットフォームを利用して、自動運転車のためのディープ ニューラル ネットワークを設計、トレーニング、配置する方法について学習します。

    このコースで学べる内容:

    > NVIDIA DRIVE AGX™ System で CUDA® コード、メモリ管理、GPU 高速化を扱う
    > セマンティック セグメンテーション ニューラル ネットワークをトレーニングする
    > 学習済みのニューラル ネットワークを NVIDIA® TensorRT™ を利用して最適化、検証、展開する

    修了すると、NVIDIA DRIVE を利用して自動運転車の認識コンポーネントを開発し、最適化できるようになります。

    参加条件: CNN と C++ の経験

    テクノロジ: TensorFlow、TensorRT、Python、CUDA C++、DIGITS

  •

    オートエンコーダーを使ったディープラーニングによるデジタル コンテンツの作成

    ワークショップを申し込む
    データシートを見る

    デジタル コンテンツ作成のためのニューラル ネットワークを設計し、トレーニングし、配置する最新手法について、実地トレーニングを受けます。学習内容:

    • ビデオ スタイルの自由な転送に利用されている革新的なアーキテクチャとトレーニング手法を応用する
    • レンダリング画像のノイズを除去する独自のデノイザーをトレーニングする
    • 超解像度 AI で画像をグレードアップする

    修了すると、ディープラーニングの手法を駆使してデジタル アセットを作成できるようになります

    参加条件: 畳み込みニューラル ネットワーク (CNN) など、ディープラーニング概念の基礎知識。Python のプログラミング経験。

    テクノロジ: Torch、TensorFlow

  •

    医療画像分析のためのディープラーニング

    ワークショップを申し込む
    データシートを見る

    このコースでは、CNN (convolutional neural network/畳み込みニューラル ネットワーク) を MRI スキャンに適用し、医療に関するさまざまな作業や計算を実行する方法を学習します。学習内容:

    • MRI 画像のセグメンテーション (分離抽出) を行い、左の心室の場所を判断する
    • MRI スキャンに CNN を適用して心臓の拡張と収縮の差を測定し、駆出率を計算することで心臓の病気を見つける
    • LGG (low-grade glioma/低悪性度のグリオーマ) の MRI スキャンに CNN を適用し、1p/19q 染色体の共欠損状態を判断する

    修了すると、MRI スキャンに CNN を適用し、さまざまな医療上の課題を実行できるようになります。

    参加条件: ディープ ニューラル ネットワークの基礎知識。Python とその類似言語での基本的なプログラミング経験。

    テクノロジ: R、MXNet、TensorFlow、Caffe、DIGITS

  •

    ディープラーニングによる産業用検査

    ワークショップを申し込む
    データシートを見る

    NVIDIA のプリント回路基板 (PCB) のコンデンサー検証を自動化するディープラーニング モデルの構築方法について実環境のデータセットを使用して学習します。これにより、検証コストが削減され、さまざまな製造ユース ケースにわたって生産スループットが向上します。学習内容:

    • Pandas と NumPy を使用して、与えられたデータセットから適切な洞察を引き出す
    • InceptionV3 として知られるディープラーニング分類モデルに、転移学習を適用
    • TensorRT 5 を使用して、V100 GPU 上のトレーニング済みの InceptionV3 モデルを最適化
    • V100 の Tensor コアを使用して、半精度 (FP16) の高速推論を実験

    修了後は、ハードウェアで高速化された産業用検査パイプラインの構成要素を設計、トレーニング、テスト、展開できるようになります

    参加条件: Python の基本的な知識 (関数と変数)。ニューラル ネットワークのトレーニング経験。

    テクノロジ: TensorFlow

  •

    インテリジェント ビデオ分析のためのディープラーニング

    ワークショップを申し込む
    データシートを見る

    交通カメラの増加、自動運転車の見込顧客数の増加、スマート シティの展望に対する期待によって、より高速かつ効率的な物体検出およびモデル追跡の需要が高まっています。この需要を満たすには、さまざまなタイプの物体をビデオ フレーム内で識別、追跡、分割、予測する必要があります。

    本ワークショップの学習目標:

    • ハードウェアで高速化されたデコーディング手法を使用して、ビデオ フィードを効率的に処理および準備する
    • ディープラーニング モデルをトレーニングおよび評価し、「転移学習 (Transfer Learning)」技術を活用して、これらのモデルの効率性と精度を高め、データ密度の問題を軽減します。
    • 大量のビデオ データセットから動く物体を追跡するための高品質ニューラル ネットワーク モデル開発に関わる戦略とトレードオフを探る
    • DeepStream SDK を入手して、ビデオ分析推論エンジンを最適化して配置する

    修了後、駐車場のカメラ フィードに基づいて、ハードウェアで高速化された交通管理システムの構成要素を設計、トレーニング、テスト、および配置できるようになります。

    参加条件: ニューラル ネットワークと Python プログラミングの基本。言語学に関する知識。

    テクノロジ: TensorFlow、Keras

  •

    ロボット工学のためのディープラーニング

    ワークショップを申し込む
    データシートを見る

    AI は、幅広い業界でロボット工学の開発と推進に変革を起こしています。Jetson の組み込みアプリケーション向けロボット工学ソリューションの作成方法をご覧ください。学習内容:

    • コンピューター ビジョン モデルを使用し、検知作業を行う
    •  組み込みアプリケーション向けモデルの無駄を省き、最適化を行う
    • 映像入力を元に適切な出力を行うようロボットをトレーニングする

    修了後、ロボット工学向けの高性能ディープラーニング アプリケーションの展開方法がわかるようになります。

    参加条件: 確率的勾配降下法、ネットワーク アーキテクチャ、並列コンピューティングの経験

    テクノロジ: TensorFlow

  •

    AI を応用した異常検知

    ワークショップを申し込む
    データシートを見る

    世界の通信インフラストラクチャを膨大な情報量が移動しています。このインフラストラクチャは人類が今まで構築した中で最も複雑で動的なシステムの 1 つとなっています。このワークショップでは、AI ベースのソリューションを複数実装し、通信における重要な問題を解決します。つまり、ネットワーク侵入の特定です。

    このワークショップで学習すること:

    • XGBoost の高速化、ディープラーニングをベースとするオートエンコーダー、敵対的生成ネットワーク (GAN) 、 3 つの異なる異常検知を実装する
    • 教師ありと教師なしの学習をベースとするソリューションを構築し、比較する
    • 自身の業界を対象に最新のコンピューティング手法を活用できそうな他の使用例について話し合う

    修了後、教師ありと教師なしの機械学習を利用し、大規模なデータセットの中から異常を検知できるようになります。

    参加条件: CNN と Python の経験

    テクノロジ: RAPIDS、Keras、GAN、XGBoost

  •

    AI を応用した予防保全

    ワークショップを申し込む
    データシートを見る

    時系列データの中から異常と障害を特定する方法、該当パーツの残りの耐用年数を見積もる方法、この情報を利用して異常を障害条件に関連付ける方法について学習します。

    学習内容:

    • 予防保全を活用して失敗を管理し、コストのかかる予定外のダウンタイムを回避する
    • コストのかかる故障につながる異常の特定を困難にしている大きな原因を見つける
    • 時系列データ、機械学習分類モデル、XGBoost を利用し、結果を予測する
    • 長/短期記憶 (LSTM) を基盤とするモデルを利用する予防保全を応用し、機器の故障を予測する 
    • 前の手順の時系列シーケンスを利用し、オートエンコーダーによる異常検知を実験する

    修了後、AI を利用して機器の状態を予測し、保守を実施する時期を判断できるようになります。

    参加条件: Python とディープ ニューラル ネットワークの経験

    テクノロジ: TensorFlow、Keras

アクセラレーテッド コンピューティング ワークショップ

  •

    CUDA C/C++ によるアクセラレーテッド コンピューティングの基礎  
    ワークショップを申し込む
    データシートを見る

    CUDA コンピューティング プラットフォームにより、CPU のみのアプリケーションを 世界最速の大規模並列 GPU で実行して高速化します。C/C++ アプリケーションの高速化を 以下の方法で体験します。

    • GPU で潜在的な並列処理を実行する CPU 専用アプリケーションを高速化する
    • 高速化アプリケーションを最適化するための基本的な CUDA メモリ管理手法を 活用する
    • 同時実行処理の高速化アプリケーションの可能性を見い出し、CUDA ストリームで活用する
    • 作業の方向付けと確認にコマンドラインおよび視覚的プロファイリングを活用する

    修了すると、最も基本的な CUDA ツールおよび手法を使用して、既存の CPU 専用 C/C++ アプリケーションの 高速化と最適化ができるようになります。高速化アプリケーションを迅速に出荷できる、 CUDA 開発の反復的な方式を 理解できるようになります。

    参加条件: 変数の型、ループ、条件付き命令、関数、配列操作など、C/C++ の基本知識。

    テクノロジ: C/C++、CUDA

  •

    CUDA Python を使った高速コンピューティングの基礎

    ワークショップを申し込む
    データシートを見る

    このワークショップでは、Numba (just-in-time コンパイラ、特化型 Python コンパイラ) を使用し、Python プログラムを NVIDIA の超並列 GPU 上で実行する方法を説明します。

    • Numba を使った NumPy ユニバーサル関数 (ufunc) から CUDA カーネルをコンパイルする
    • Numba を使ってカスタム CUDA カーネルを作成し、起動する
    • 重要な GPU メモリ管理技術を適用する

    コース修了後、Numba を使用して CUDA カーネルをコンパイルし、NVIDIA GPU 上の Python アプリケーションの高速化をすることが可能となります。

    参加条件: 変数の型、ループ、条件付き命令、関数、配列操作など、Python の基本知識。ndarrays や ufunc の使用など、NumPy の知識。

    テクノロジ: CUDA、Python、Numba、NumPy

アクセラレーテッド データ サイエンス ワークショップ

  •

    RAPIDS を使用したアクセラレーテッド データ サイエンスの基礎

    ワークショップを申し込む
    データシートを見る

    RAPIDS は、データ サイエンス ワークフローのエンドツーエンド GPU 高速化を可能にするデータ サイエンス ライブラリのコレクションです。学習内容:

    • cuDF と Dask を利用し、GPU で直接、大量のデータセットを取り込み、操作する
    • XGBoost、cuGRAPH、cuML など、GPU で高速化されたさまざまな機械学習アルゴリズムを応用し、大規模なデータ分析を実行する
    • 大量のデータセットで複数の分析タスクを実行し、イギリスを襲う伝染病 (シミュレーション) を食い止める

    修了後、データを以前よりもはるかに短時間で読み込み、操作、分析できるようになります。反復サイクルが増え、生産性が大幅に向上します。

    参加条件: Python の経験。pandas と NumPy を扱った経験があることが望ましい。

    テクノロジ: RAPIDS、NumPy、XGBoost、DBSCAN、K-Means、SSSP、Python

エンタープライズ ソリューション

より総合的な企業向けトレーニングが必要な場合は、組織特有のニーズに合わせたトレーニングと講義をパッケージにした DLI エンタープライズ ソリューションを利用できます。オンラインおよびオンサイトの実践的なトレーニングから、エグゼクティブ ブリーフィング、企業レベルのレポートまで、貴社の AI 化をお手伝いします。詳細につきましては NVIDIA までお問い合わせください。

ソリューションをリクエストする

NVIDIA GTC の DLI

NVIDIA GPU Technology Conference (GTC) でハンズオン トレーニングにご参加ください。エキスパートと交流し、仲間とのネットワークを築き、最新のAI、アクセラレーテッド コンピューティング、アクセラレーテッド データ サイエンスについて学びましょう。

NVIDIA DLI では、大学教育関係者がダウンロードできるコース資料、および学生を対象に DLI 教材キットによる無料の自習型オンライン トレーニングを提供しています。教育関係者は認定を受けると、University Ambassador Program を利用してキャンパス内で DLI ワークショップを実施することもできます

教材

DLI 教材キットは、資格を持つ大学教育関係者が利用でき、ディープラーニング、アクセラレーテッド コンピューティング、ロボット工学における講座のソリューションを提供します。教育関係者は、講義資料、ハンズオン コース、GPU クラウド リソースなどを、各自のカリキュラムで活用できます。

NVIDIA 教材キットによるカリキュラムの強化

ビデオを見る
詳細を見る

ユニバーシティ アンバサダー プログラム

DLI University Ambassador Program では、教育担当者が認定を受けることで、大学の教員陣、学生、研究者を対象に無料でハンズオン DLI ワークショップを実施できるようになります。教育担当者には、 DLI 教材キットをダウンロードし、 Ambassador Program の参加資格を取得することをお勧めします。

最先端の教育をさらにその先に進める

ビデオを見る

DLI は数百もの大学で University Ambassador を認定しており、以下はその一例です。

Arizona State University
Columbia
The Hong Kong University Of Science And Technology
Massachusetts Institute of Technology
NUS - National University of Singapore
University of Oxford
Arizona State University
Columbia
The Hong Kong University Of Science And Technology
Massachusetts Institute of Technology
NUS - National University of Singapore
University of Oxford
NVIDIA GTC

パートナー

DLI は業界パートナーと連携し、DLI コンテンツ構築と DLI インストラクターによるワークショップを世界中で開催しています。主要なパートナーは以下のとおりです。

Alexandra
Booz Allen Hamilton
Boston logo
CII.IA
Coursera logo
Dell EMC logo
Hancom MDS
Hitachi
Ingram Logo
iTrainAsia logo
Mark III logo
Qleadtek logo
Open Zeka logo
Opteamizer logo
Rabbit&Tortoise logo
Relay Machine Learning logo
Scan Business logo
Skyline logo
Udacity logo
Uber logo
Xenon logo

リソース

AI と アクセラレーテッド コンピューティングの幅広い技術情報をご覧ください。

ブログ記事: ディープラーニングとは何か
ブログ記事: AI、機械学習、ディープラーニングの違い
ブログ記事: ディープラーニングのトレーニングと推論の違いとは
ブログ記事: ディープラーニングの概略: 中心的概念
ブログ記事: ディープラーニングの概略: 系列学習
ブログ記事: ディープラーニングの概略: 強化学習
参照ページ: ディープラーニング プロジェクトを開始する 3 つの簡単な手順
スライドショー: ディープラーニング用語集: 概念定義
ブログ記事: ディープラーニングがあなたのビジネスのためにできること
PDF ダウンロード: さまざまな産業に広まる AI: 電気通信、小売り、金融サービス
ビデオ: NVIDIA Developer YouTube チャンネル
NVIDIA AI ポッドキャストを聴く
ウェビナー: 初心者のためのディープラーニング基礎講座

DLI についてご質問はございますか?

お問い合わせ

DLI 利用規約 >

ディープラーニングトレーニングに関するご質問について、お問い合わせください

  1. Section
私は NVIDIA から最新の開発者向けニュースやお知らせなどを受け取ることを希望します。登録はいつでも解除できます。
ソリューション
ソフトウェア
リソース