ハンズオン トレーニング

ディープラーニングとアクセラレーテッド コンピューティングのハンズオン トレーニング

トレーニング

NVIDIA Deep Learning Institute (DLI) は、人工知能 (AI)、ディープラーニング、自動運転車両、アクセラレーテッド コンピューティング等の知識を実践的に学べるハンズオン トレーニングです。

DLI とは?

認定インストラクターによるトレーニング セッション

GTC Japan に参加されている開発者や研究者とご一緒に、是非 DLI 認定インストラクターによる実践的なクラスルーム形式のワークショップにご参加ください。トレーニング セッションには定員があるため、お申し込みはお早めにお済ませください。参加にはスペシャル パスが必要になります。

gtc-18-training-computer-vision-407-ud-@2x

ディープラーニングの基礎 - 画像認識/物体検出

ニューラル ネットワークの学習と、性能を改善するために結果を利用することを通して、ディープラーニングの基礎について確認します。

詳細を見る >

®
®
ai-and-deep-learning-dli-fundamentals-natural-language-processing-407-ud

ディープラーニングの基礎 - 動画解析/自然言語処理

畳み込みニューラル ネットワークとリカレント 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を効果的に表現する方法について学習します。

詳細を見る >

®
®
ai-and-deep-learning-dli-domain-accelerated-computing-cuda-407-ud@2x

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

CUDA コンピューティング プラットフォームにより、CPU のみで実行されるアプリケーションを、世界最速の超並列プロセッサである GPU 上で、高速に実行することができます。C/C++ により実装されたアプリケーションの高速化をトレーニングを通じて体験していただきます。

詳細を見る > 

®
®
ai-and-deep-learning-dli-domain-perception-autonomous-vehicles-407-ud@2x

自動運転車のディープラーニングによる状況認識

自動運転車に載せる DNN に関する設計、学習、デプロイの各手法について、 NVIDIA DRIVE™ PX2 開発プラットフォームを使いながら学びます。

詳細を見る >

ai-and-deep-learning-dli-domain-deep-learning-healthcare-image-analysis-407-ud@2x

ディープラーニングによる医用画像分析

CNN を使って MRI 画像に様々な医用タスクと計算を行います。

詳細を見る >

®
®
今すぐ参加登録する

注意事項:

ハンズオン トレーニングの参加には、Windows 7 以降、あるいは OS X 10.10 以降が稼働し、Wi-Fi に接続可能なコンピューターが必要です。(GPU は不要です)
セキュア シート付きのパスには、トレーニングに最適なセットアップ PC をご用意します。

  • Google Chrome または FireFox の最新版をインストールしてください。(Internet Explorer は不可)
  • 最新のセキュリティ更新プログラム (セキュリティ パッチ) を適用してください。
  • アンチウィルス ソフトウェアのリアルタイム保護機能を無効化してください。
  • 会社等への VPN 接続を解除してください。
  • WebSockets の疎通確認をお願いします。「WebSockets (Port 80)」の項目が Yes になることも確認してください。
NVIDIA Deep Learning Institute

さらにトレーニングを希望される方へ

NVIDIA Deep Learning Institute では、ディープラーニングとアクセラレーテッド コンピューティングを使用して難しい問題を解決する方法を指導する目的で、開発者、データ サイエンティスト、研究者を対象としたハンズオン トレーニングを提供しています。セルフペースのトレーニング セッションとインストラクターのよるワークショップを介して Deep Learning Institute では、様々なアプリケーション ドメインにおけるニューラル ネットワークを活用した機械学習の設計、トレーニング、導入するための最新テクニックを提供しています。また、NVIDIA CUDA® と OpenACC を使用してコードのパフォーマンスを最適化する方法も学べます。.

詳細を見る

ディープラーニングの基礎 - 画像認識/物体検出

ニューラル ネットワークの学習と、性能を改善するために結果を利用することを通して、ディープラーニングの基礎について確認します。このコースでは、ニューラルネットワークの学習とデプロイという、ディープラーニングの基礎について学びます。具体的には、

  • 画像分類や物体検出のような、ディープラーニングにおいて一般的なワークフローの実装
  • 性能を向上するための、データ、学習パラメータ、ネットワーク構造、その他の戦略を用いた実験
  • 実世界の問題に適用するためのネットワークのデプロイ

をどのように行えば良いか、について学ぶことができます。本コースを完了すると、ディープラーニングを用いた問題解決を始めることができるようになります。

  • 参加条件： 特になし
  • フレームワーク：Caffe、DIGITS

ディープラーニングの基礎 - 動画解析/自然言語処理

このコースでは、畳み込みニューラル ネットワークとリカレント 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を効果的に表現する方法について学習します。 TensorFlow と MSCOCO 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。修了後、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： 「ディープラーニングの基礎 - 画像認識・物体検出」または同様の知識
  • フレームワーク： TensorFlow

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

CUDA コンピューティング プラットフォームにより、CPU のみで実行されるアプリケーションを、世界最速の超並列プロセッサである GPU 上で、高速に実行することができます。C/C++ により実装されたアプリケーションの高速化を、以下の項目を通じ、体験していただきます。

  • CPU のみで実行されているアプリケーションを、GPU 上で並列に実行することで、高速化します。
  • CUDA で重要となるメモリ管理のテクニックを活用します。
  • コンカレント (並行) 実行による高速化の可能性を明らかにし、CUDA ストリームを利用して実装します。
  • コマンドライン、および、GUI ベースのプロファイリング ツールを使って、さらなる高速化のアプローチを探り、結果をチェックします。

修了時には、CUDA プログラミングで必須となるツールやテクニックを用いて、CPU のみで実行されていた既存のアプリケーションを、高速化、最適化できるようになります。加えて、CUDA を用いた開発における反復スタイルを理解し、迅速に、アプリケーションを高速化できるようになります。

 

  • 参加条件： 基本的な C/C++ の知識
  • フレームワーク： 特になし

自動運転車のディープラーニングによる状況認識

このコースでは、自動運転車に載せる DNN に関する設計、学習、デプロイの各手法について、 NVIDIA DRIVE™ PX2 開発プラットフォームを使いながら学びます。

学習内容:

  • DriveWorks ソフトウェアスタックを用いたセンサ入力の取り扱い方
  • セマンティック セグメンテーションを行う DNN の学習
  • TensorRT による学習済みネットワークの最適化/検証/デプロイ

修了後には DRIVE PX2 を用いて自動運転車向けの認識コンポーネントを実装/最適化できるようになります。

  • 参加条件： 「ディープラーニングの基礎 - 画像認識/物体検出」または同様の知識
  • フレームワーク： DIGITS、TensorFlow、TensorRT

ディープラーニングによる医用画像分析

本コースは CNN を使ってMRI画像に様々な医用タスクと計算を行います。本コースを通して、下記のことを学習できます:

  • MRI 画像にて画像セグメンテーション技術を使って左心室の位置を確定します。
  • MRI スキャンに CNN を用い、心室の拡張期ボリュームと収縮期ボリュウームの差で心室駆出率を計算することにより、心臓病を診断します。
  • LGG の MRI スキャンに CNN を用い、1p/19q 染色体共欠失状態を確定します。

本コースを修了後、CNN を用いて MRI 画像に応用することにより、様々な医療タスクを行うことができるようになります。

  • 参加条件： 「ディープラーニングの基礎 - 画像認識/物体検出」または同様の知識
  • フレームワーク： Caffe、MXNet、TensorFlow
参加する
見つける
その他