전문가 직강 실습 교육

NVIDIA Deep Learning Institute(DLI)에서는 AI, 가속 컴퓨팅, 가속 데이터 사이언스 분야의 실습 교육을 제공해 개발자, 데이터 사이언티스트, 기타 전문가가 가장 까다로운 문제를 해결할 수 있도록 돕고 있습니다. 이러한 심도 있는 워크숍은 각 분야의 전문가 주도로 진행되며 업계 최고의 기술적 노하우를 제공해 개인과 조직을 위한 획기적인 결과를 이끌어냅니다. 1일 워크숍을 완료하고 NVIDIA DLI 인증서를 취득하여 관련 분야에 대한 역량을 입증하고 여러분의 커리어를 성장시키십시오.

전문가 직강 온라인 워크숍

클라우드 기반 GPU 가속 워크스테이션에 액세스하여 최신 딥러닝 툴, 프레임워크 및 SDK를 사용하여 뉴럴 네트워크를 훈련, 최적화 및 배치하는 방법을 배우세요.

NVIDIA GTC (얼리버드 49달러)에 등록한 후, 원하는 DLI 워크숍을 99달러에 추가하여 수강하세요.

얼리버드 할인혜택은 9월 25일까지 제공됩니다.

워크숍 제안

[한국시간(KST), 한국어진행] DLI 강사 직강 실습 워크숍 - 인텔리전트 비디오 분석(IVA)을 위한 딥러닝

교통 카메라의 증가, 자율 주행 전망에 대한 기대 및 스마트 시티의 유망한 전망으로 인해 더 빠르고 효율적인 물체 감지 및 추적 모델에 대한 수요가 증가하고 있습니다. 본 실습 교육에서는 비디오 프레임 내에서 다양한 유형의 객체를 식별(Identification), 추적(Tracking), 분할(Segmentation) 및 예측(Prediction)하는 작업이 포함됩니다.

이번 워크숍에서는 다음의 내용을 학습할 수 있습니다:

  • 하드웨어 가속 디코딩 방법을 사용하여 비디오 피드를 효율적으로 처리하고 준비합니다
  • 딥러닝 모델을 훈련 및 평가하고 ‘전이학습(Transfer Learning)’ 기술을 활용하여 이러한 모델의 효율성과 정확성을 높이고 데이터 희소성 문제를 완화합니다
  • 대규모 비디오 데이터 셋에서 움직이는 물체를 추적하기 위한 고품질 신경망 모델(Neural Network Models) 개발과 관련된 전략 및 장단점을 탐색합니다
  • DeepStream SDK 를 활용하여 비디오 분석 추론 엔진을 최적화하고 배포합니다
인텔리전트 비디오 분석(IVA)을 위한 딥러닝
Fundamentals of Deep Learning

[미국시간(PDT), 영어진행] FUNDAMENTALS OF DEEP LEARNING

딥 러닝이 컴퓨터 비전 및 자연어 처리 분야의 실습 예제를 어떻게 해결하는지 알아봅니다. 고도로 정확한 결과를 얻기 위해 처음부터 도구와 요령을 익히며 딥 러닝 모델을 트레이닝해보십시오. 또한 무료로 제공되는 최신 pre-trained 모델 활용하여 시간을 절약하고 딥 러닝 애플리케이션을 빠르게 시작해 실행하는 방법을 알아봅니다.

이 워크숍 참여 시 학습 내용:

  • 딥 러닝 모델 트레이닝에 필요한 기본 기술과 도구 학습
  • 일반적인 딥 러닝 데이터 유형 및 모델 아키텍처에 대한 경험 축적
  • 모델 정확도 향상을 위해 데이터 증가를 통해 데이터세트 강화
  • 모델 간 전이 학습(Transfer Learning)을 활용해 더 적은 데이터와 컴퓨팅 성능으로 효율적인 결과 달성
  • 첨단 딥 러닝 프레임워크로 자체 프로젝트를 수행할 수 있는 자신감 획득

[미국시간(PDT), 영어진행] BUILDING INTELLIGENT RECOMMENDER SYSTEMS

딥 러닝 기반 추천 시스템은 소매, 엔터테인먼트, 헬스케어, 금융 및 기타 산업에서 맞춤형 온라인 경험과 강력한 의사 결정 지원 도구를 뒷받침하는 중요한 요소입니다. 이 워크숍에서는 매우 효과적인 추천 시스템을 구축하기 위한 기본 도구와 기술뿐 아니라 실시간 추천을 위해 GPU 가속화 솔루션을 배포하는 방법도 다룹니다.

이 워크숍 참여 시 학습 내용:

  • 오픈소스 cuDF 라이브러리 및 Apache Arrow를 사용해 콘텐츠 기반 추천 시스템 구축
  • Alternating Least Square(ALS) 및 CuPy를 사용해 공동 필터링 추천 시스템 구성
  • TensorFlow 2를 사용해 폭넓은 딥 뉴럴 네트워크를 설계하여 하이브리드 추천 시스템 구축
  • 대규모의 희소 데이터세트를 사용해 트레이닝과 추론 모두의 성능 최적화
  • 추천 시스템 모델을 고성능 웹 서비스로 배포
Building Intelligent Recommender Systems
Building Transformer-Based Natural Language Processing Applications

[미국시간(PDT), 영어진행] BUILDING TRANSFORMER-BASED NATURAL LANGUAGE PROCESSING APPLICATIONS

문서 분류 등의 텍스트 분류 작업에 트랜스포머 기반 자연어 처리 모델을 사용하는 방법을 알아봅니다. 또한 명명된 엔터티 인식(NER) 작업을 위해 트랜스포터 기반 모델을 활용하는 방법과 지표, 도메인 특수성, 사용 가능한 리소스를 바탕으로 특정 사용 사례에 가장 적합한 모델이 어느 것인지 결정하기 위해 다양한 모델 기능, 구속 조건 및 특성을 분석하는 방법도 배웁니다.

이 워크숍 참여 시 학습 내용:

  • Word2Vec, 순환 뉴럴 네트워크(RNN) 기반 임베딩, 트랜스포머 등의 NLP 작업에서 텍스트 임베딩이 빠르게 진화한 방식 이해
  • RNN 없이 트랜스포머 아키텍처 기능, 특히 셀프 어텐션 기능을 사용하여 언어 모델을 생성하는 방법 확인
  • 셀프 수퍼비전 기능을 사용해 BERT, Megatron, 기타 이형의 트랜스포머 아키텍처를 개선하여 뛰어난 NLP 결과 달성
  • 사전 트레이닝된 첨단 NLP 모델을 활용하여 텍스트 분류, NER, 질문-답변 등의 여러 작업 해결
  • 추론 과제를 관리하고 라이브 애플리케이션을 위해 개선된 모델 배포

[미국시간(PDT), 영어진행] Fundamentals of Accelerated Computing with CUDA Python

이 과정에서는 적시 생산형의 유형 특화 Python 함수 컴파일러인 Numba를 사용하여 초병렬 NVIDIA GPU에서 Python 프로그램을 가속화하는 방법을 알아봅니다.

학습 내용:  

  • Numba를 사용해 NumPy 전역 함수(ufuncs)에서 NVIDIA(R) CUDA(R) 커널 컴파일
  • Numba를 사용해 커스텀 CUDA 커널 생성 및 시작
  • 핵심 GPU 메모리 관리 기법 적용  
이 과정을 완료하면 Numba를 사용해 CUDA 커널을 컴파일 및 실행하여 NVIDIA GPU 상에서 Python 애플리케이션을 가속화할 수 있습니다.
Fundamentals of Accelerated Computing with CUDA Python
Applications of AI for Predictive Maintenance

[미국시간(PDT), 영어진행] Applications of AI for Predictive Maintenance

시계열 데이터에서 이상 현상 및 고장을 파악하고, 해당 부품의 남은 유효 수명을 예측하며, 이 정보를 사용해 고장으로 이어질 수 있는 이상 현상을 식별할 수 있습니다.  

학습 내용:

  • 예방적 유지 보수를 활용해 고장을 관리하고 비용이 많이 드는 예상치 못한 가동 중단 시간 방지
  • 비용이 많이 드는 고장을 야기할 수 있는 이상 현상을 식별하는 것에 관한 주요 과제 식별
  • 시계열 데이터를 활용해 X-GBoost와 함께 머신 러닝 분류 모델을 사용하여 결과 예측
  • 장단기 메모리(LSTM) 기반 모델을 이용해 예방적 유지 보수 절차를 적용해 디바이스 고장 예측
  • 이전 단계의 시계열 시퀀스를 사용하여 이상 현상을 감지하기 위한 오토인코더 실험 이 과정을 완료하면 AI를 이용하여 장비의 상태를 예측하고 유지 보수를 수행해야 할 때를 예측하는 방법을 이해하게 됩니다.

[미국시간(PDT), 영어진행] Fundamentals of Accelerated Data Science with RAPIDS

NVIDIA RAPIDS™는 데이터 사이언스 라이브러리의 집합체로, 데이터 사이언스 워크플로를 위한 엔드 투 엔드 GPU 가속화를 가능하게 합니다.

교육 학습 내용 : 

  • cuDF 및 Dask를 사용해 GPU에서 바로 대규모 데이터세트 수집 및 조작  
  • XGBoost, cuGRAPH, cuML 등의 광범위한 GPU 가속 머신 러닝 알고리즘을 적용해 대규모 데이터 분석 수행
  • 영국에 영향을 미치는 모의 전염병 발생을 방지하기 위해 대규모 데이터 세트에 대한 여러 분석 작업 수행
이 과정을 완료하면 빠르게 데이터를 로드하고 조작하며 분석할 수 있으므로, 반복 주기 횟수를 늘리고 생산성을 대폭 개선할 수 있습니다.  
Fundamentals of Accelerated Data Science with RAPIDS

더 많은 교육을 원하십니까?

NVIDIA Deep Learning Institute는 혼자 수강할 수 있는, 클라우드의 GPU 가속 워크스테이션 기반 온라인 교육을 제공합니다.