INSTITUTO DEEP LEARNING DA NVIDIA

Treinando Você para Resolver os Problemas Mais Desafiadores do Mundo

O NVIDIA Deep Learning Institute (DLI) oferece treinamento prático em AI, computação e ciência de dados acelerada. Desenvolvedores, cientistas de dados, pesquisadores e estudantes podem obter experiência prática com GPUs no cloud e obter um certificado para ajudar em seu crescimento profissional. Comece com o DLI por meio de treinamento on-line individualizado, oficinas para equipes conduzidas por instrutores e materiais de curso para download para professores universitários.

  • <span style=

    CURSOS
    ONLINE

  • <span style=

    Workshops com
    Instrutores

  • <span style=

    TREINAMENTO EM
    UNIVERSIDADES

Para autodidatas e pequenas equipes, recomendamos treinamentos online individuais pelo DLI ou por nossos parceiros. Com o DLI, você terá acesso a um servidor acelerado por GPU, totalmente configurado no cloud, para adquirir conhecimentos práticos para seu trabalho e tem a oportunidade de ganhar um certificado de conhecimento no assunto.

TREINAMENTO ONLINE COM O DLI

Certificado Disponível

CURSOS SOBRE DEEP LEARNING

FUNDAMENTOS DE DEEP LEARNING

  • Fundamentos de Deep Learning para Visão Computacional 

    Aprenda os fundamentos de deep learning treinando redes neurais e usando os resultados para aprimorar desempenho e recursos.

    Pré-requisitos: Familiaridade com os fundamentos básicos de programação, como funções e variáveis

    Tecnologias: Caffe, DIGITS

    Duração: 8 horas

    Valor: US$ 90 (excluindo impostos, se aplicável)

  • Introdução à AI no Jetson Nano

    Aprenda a construir um projeto de classificação em deep learning com modelos de visão computacional usando um Kit de Desenvolvedor NVIDIA® Jetson™ Nano.

    Pré-requisitos: Familiaridade com Python (útil, não obrigatório)br>

    Tecnologias: PyTorch, Jetson Nano

    Duração: 8 horas

    Valor: Gratuito

  • Otimização e Implantação de Modelos TensorFlow com TensorRT

    Aprenda a otimizar modelos TensorFlow para gerar mecanismos rápidos de inferência no estágio de implantação.

    Pré-requisitos: Experiência com TensorFlow e Python

    Tecnologias: TensorFlow, Python, NVIDIA TensorRT (TF-TRT)

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Deep Learning em Escala com Horovod

    Aprenda a dimensionar o treinamento de deep learning para várias GPUs com Horovod, a estrutura de treinamento de código aberto originalmente criada pelo Uber e hospedada pela LF AI Foundation.

    Pré-requisitos: Competência em Python e experiência no treinamento de modelos de deep learning em Python

    Tecnologias: Horovod, TensorFlow, Keras, Python

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Introdução à Segmentação de Imagens

    Aprenda como categorizar segmentos de uma imagem.

    Pré-requisitos: Experiência básica com treinamento de redes neurais 

    Tecnologias: TensorFlow

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Modelando Dados de Séries Temporais com Redes Neurais Recorrentes em Keras

    Aprenda a classificar e prever dados de séries temporais, como modelar a saúde de um paciente ao longo do tempo, usando redes neurais recorrentes (RNNs).

    Pré-requisitos: Experiência básica com deep learning

    Tecnologias: Keras

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

DEEP LEARNING PARA CRIAÇÃO DE CONTEÚDO DIGITAL

  • Transferência de Estilo de Imagem com Torch

    Aprenda a transferir a aparência de uma imagem para outra extraindo recursos visuais distintos usando redes neurais convolucionais (CNNs).

    Pré-requisitos: Experiência com CNNs

    Tecnologias: Torch, CNNs

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Eliminado Ruído de Imagem Renderizada Usando Autoencoders

    Aprenda como redes neurais com autoencoders podem ser usadas para acelerar significativamente a remoção de ruídos em imagens ray-traced.

    Pré-requisitos: Experiência com CNNs

    Tecnologias: TensorFlow, CNNs

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Super Resolução de Imagens Usando Autoencoders

    Aproveite o poder de uma rede neural com autoencoders para criar imagens de alta qualidade a partir de imagens de origem com baixa qualidade.

    Pré-requisitos: Experiência com CNNs

    Tecnologias: Keras, CNNs

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

DEEP LEARNING PARA ÁREA DA SAÚDE

  • Classificação de Imagens para Diagnóstico Usando o MedNIST Dataset

    Aprenda uma introdução ao deep learning para radiologia e imagens para diagnósticos aplicando CNNs para classificar imagens em um conjunto de dados.

    Pré-requisitos: Experiência básica com Python

    Tecnologias: PyTorch, Python

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Classificação de Imagens com o TensorFlow: Classificação do Status Cromossômico Radiomics - 1p19q

    Aprenda a aplicar técnicas de deep learning para detectar o biomarcador de co-exclusão 1p19q de uma imagem de ressonância magnética.

    Pré-requisitos: Experiência básica com CNNs e Python

    Tecnologias: TensorFlow, CNNs, Python

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Memória Contextual de Espessa a Fina para Imagens para Diagnósticos

    Aprenda a usar a Memória de Contexto de Espessa a Fina (CFCM) para aprimorar arquiteturas tradicionais para tarefas de classificação e segmentação de imagens para diagnóstico.

    Pré-requisitos: Experiência com CNNs e memória de longo prazo (LSTMs)

    Tecnologias: TensorFlow, CNNs, CFCM

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Aumento e Segmentação de Dados com Redes Generativas para Geração de Imagens para Diagnóstico

    Aprenda a usar as redes adversárias generativas (GANs) para imagens para diagnóstico, aplicando-as à criação e segmentação de ressonâncias magnéticas cerebrais.

    Pré-requisitos: Experiência com CNNs

    Tecnologias: TensorFlow, GANs, CNNs

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

DEEP LEARNING PARA ANÁLISES INTELIGENTES DE VÍDEO

  • Workflows em AI para Análises Inteligentes de Vídeo com DeepStream

    Aprenda a criar aplicativos acelerados por hardware para análise inteligente de vídeo (IVA) com DeepStream e implemente-os em escala para transformar fluxos de vídeo em insights.

    Pré-requisitos: Experiência com C ++ e Gstreamer

    Tecnologias: DeepStream3, C++, Gstreamer

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • Introdução ao DeepStream para Análises de Vídeo no Jetson Nano

    Aprenda a criar aplicativos DeepStream para anotar fluxos de vídeo usando redes de detecção e classificação de objetos.

    Pré-requisitos: Familiaridade básica com C

    Tecnologias: DeepStream, TensorRT, Jetson Nano

    Duração: 8 horas; individual

    Valor: Gratuito

CURSOS DE PROCESSAMENTO ACELERADO

  • Fundamentos do Processamento Acelerado com CUDA C/C++ 

    Aprenda a acelerar e otimizar aplicativos existentes apenas para CPU C/C++ usando as ferramentas e técnicas CUDA mais essenciais que aumentam o poder das GPUs.

    Pré-requisitos: Conhecimentos básicos em C /C++, incluindo familiaridade com tipos de variáveis, loops, instruções condicionais, funções e manipulações de matriz.

    Tecnologias: C/C++, CUDA

    Duração: 8 horas

    Valor: US$ 90 (excluindo impostos, se aplicável)

  • Fundamentos do Processamento Acelerado com CUDA Python

    Aprenda a usar o Numba - o compilador de funções Python especializado em tipos just-in-time - para criar e iniciar kernels CUDA para acelerar programas Python em GPUs.

    Pré-requisitos: Conhecimentos básicos em Python, incluindo familiaridade com tipos de variáveis, loops, instruções condicionais, funções e manipulações de matriz. Conhecimento em NumPy, incluindo o uso de ndarrays e ufuncs.

    Tecnologias: CUDA, Python, Numba, NumPy

    Duração: 8 horas

    Valor: US$ 90 (excluindo impostos, se aplicável)

  • Fundamentos do Processamento Acelerado com OpenACC

    Aprenda a criar e otimizar aplicativos heterogêneos acelerados em vários clusters de GPU usando o OpenACC, uma linguagem de programação de alto nível da GPU.

    Pré-requisitos: Experiência básica com C/C++

    Tecnologias: OpenACC, C/C++

    Duração: 8 horas

    Idioma: Inglês

    Valor: US$ 90 (excluindo impostos, se aplicável)

  • Processamento de Alto Desempenho com Containers

    Aprenda a reduzir a complexidade e melhorar a portabilidade e a eficiência do seu código usando um ambiente em contêiner para o desenvolvimento de aplicativos de HPC.

    Pré-requisitos: proficiência em programação em C/C++ e experiência profissional trabalhando em aplicativos HPC

    Tecnologias: Docker, Singularity, HPCCM, C/C++

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

  • OpenACC - 2X em 4 etapas

    Aprenda como acelerar aplicativos C/C++ ou Fortran usando o OpenACC para aproveitar o poder das GPUs.

    Pré-requisitos: Experiência básica com C/C++

    Tecnologias: C/C++, OpenACC

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

CURSOS DE CIÊNCIA DE DADOS ACELERADA

  • Fundamentos de Ciência de Dados Acelerada com RAPIDS

    Aprenda a executar várias tarefas de análise em grandes conjuntos de dados usando o RAPIDS, uma coleção de bibliotecas de ciência de dados que permite a aceleração de ponta a ponta da GPU para workflows de ciência de dados.

    Pré-requisitos: Experiência com Python, incluindo pandas e NumPy

    Tecnologias: RAPIDS, NumPy, XGBoost, DBSCAN, K-Means, SSSP, Python

    Duração: 6 horas

    Valor: US$ 90 (excluindo impostos, se aplicável)

  • Acelerando Workflows de Ciência de Dados com RAPIDS

    Aprenda a criar um workflow de ciência de dados de ponta a ponta, acelerado por GPU, usando as bibliotecas de código aberto RAPIDS para obter enormes ganhos de desempenho.

    Pré-requisitos: Conhecimentos avançados em Pandas, NumPy e scikit-learn

    Tecnologias: RAPIDS, Pandas, NumPy, scikit-learn

    Duração: 2 horas

    Valor: US$ 30 (excluindo impostos, se aplicável)

CURSOS PARA IT

  • Introduction to AI in the Data Center

    Explore an introduction to AI, GPU computing, NVIDIA AI software architecture, and how to implement and scale AI workloads in the data center. You'll understand how AI is transforming society and how to deploy GPU computing to the data center to facilitate this transformation.

    Prerequisites: Basic knowledge of enterprise networking, storage, and data center operations

    Technologies: Artificial intelligence, machine learning, deep learning, GPU hardware and software

    Duration: 4 hours

    Price: $30 (excludes tax, if applicable)

TREINAMENTO ONLINE COM PARCEIROS

O DLI colabora com as principais organizações educacionais para expandir o alcance do treinamento de deep learning para desenvolvedores em todo o mundo.

UPCOMING INSTRUCTOR-LED WORKSHOPS

DLI offers public instructor-led workshops around the world at conferences and universities. View the schedule below to find a workshop near you.

Para equipes grandes ou aprendizes interessados em treinamento, recomendamos workshops de um dia inteiro liderados por instrutores certificados pelo DLI. Você pode solicitar um workshop de um dia inteiro no local ou entrega remota para sua equipe. Com o DLI, você terá acesso a um servidor acelerado por GPU totalmente configurado no cloud, adquirirá habilidades práticas para o seu trabalho e terá a oportunidade de obter um certificado de competência no assunto.

Certificado Disponível

WORKSHOPS SOBRE DEEP LEARNING

FUNDAMENTOS DE DEEP LEARNING

  • Fundamentos de Deep Learning para Multi-GPUs 

    Os desafios modernos de deep learning aproveitam conjuntos de dados cada vez maiores e modelos mais complexos. Como resultado, é necessário um poder computacional significativo para treinar modelos de maneira eficaz e eficiente.

    Neste curso, você aprenderá como dimensionar o treinamento de deep learning para várias GPUs. O uso de várias GPUs para deep learning pode reduzir significativamente o tempo necessário para treinar muitos dados, viabilizando a solução de problemas complexos com o deep learning. Este curso ensinará como usar várias GPUs para treinar redes neurais. Você vai aprender:

    • Abordagens para o treinamento com várias GPUs
    • Desafios algorítmicos e de engenharia para treinamento em larga escala
    • Técnicas principais usadas para superar os desafios mencionados acima

    Após a conclusão, você poderá efetivamente paralelizar o treinamento de redes neurais profundas usando o Horovod.

    Pré-requisitos: Competência na linguagem de programação Python e experiência no treinamento de modelos de aprendizado profundo em Python

    Tecnologias: Python, Tensorflow

     

  • Fundamentos de Deep Learning para Visão Computacional 

    D5 RENDER

    • Ray tracing acelerado por RTX e tecnologia de rasterização para oferecer renderização excelente em tempo real em projetos de arquitetura e design de interiores. Renderize vídeos animados de alta qualidade em poucos minutos e imagens em apenas alguns segundos.

    Recomendar a GeForce RTX 2060 ou a Quadro RTX 3000. Para garantir um desempenho superior em renderização com modelos maiores e mais complexos, use placas de vídeo com memória gráfica adicional: GeForce RTX 2080 Ti ou Quadro RTX 6000.

    Aprenda os fundamentos de deep learning treinando redes neurais e usando os resultados para aprimorar desempenho e recursos.

    Neste workshop, você aprenderá o básico em deep learning treinando e implantando redes neurais. Você aprenderá como:

    • Implementar workflows comuns de deep learning, como classificação de imagens e detecção de objetos
    • Experimentar dados, parâmetros de treinamento, estrutura de rede e outras estratégias para aumentar o desempenho e a capacidade
    • Implantar suas próprias redes neurais para começar a resolver problemas reais

    Após a conclusão, você poderá começar a resolver problemas por conta própria com deep learning.

    Pré-requisitos: Familiaridade com os fundamentos básicos de programação, como funções e variáveis

    Tecnologias: Caffe, DIGITS

  • Fundamentos de Deep Learning para Múltiplos Tipos de Dados 

    Este workshop explora como as redes neurais convolucionais e recorrentes podem ser combinadas para gerar descrições efetivas de conteúdo em imagens e videoclipes.

    Aprenda a treinar uma rede usando o TensorFlow e o conjunto de dados Microsoft Common Objects in Context (COCO) para gerar legendas a partir de imagens e vídeos:

    • Implementando workflows de deep learning, como segmentação de imagens e geração de texto
    • Comparando e contrastando tipos de dados, workflows e frameworks
    • Combinando visão computacional e processamento de idiomas

    Após a conclusão, você poderá resolver problemas de deep learning que exigem vários tipos de entradas de dados.

    Pré-requisitos: Familiaridade com Python básico (funções e variáveis); experiência prévia em treinamento de redes neurais.

    Tecnologias: TensorFlow

  • Fundamentos de Deep Learning para Processamento de Linguagem Natural 

    Aprenda as mais recentes técnicas em deep learning para entender a entrada de texto usando o processamento de linguagem natural (PNL). Você aprenderá como:

    • Converter texto em representações compreensíveis por máquina e abordagens clássicas
    • Implementar representações distribuídas (incorporação) e entender suas propriedades
    • Treinar tradutores de máquinas de um idioma para outro

    Após a conclusão, você será proficiente em PNL usando incorporações em aplicativos semelhantes.

    Pré-requisitos: Experiência básica em redes neurais e programação em Python; familiaridade com linguística

    Tecnologias: TensorFlow, Keras

DEEP LEARNING POR SEGMENTO DE INDÚSTRIA

  • Deep Learning para Veículos Autônomos – Perception

    Aprenda a projetar, treinar e implantar redes neurais profundas para veículos autônomos usando a plataforma de desenvolvimento NVIDIA DRIVE .

    Você aprenderá como:

    • Trabalhar com código CUDA®, gerenciamento de memória e aceleração de GPU no sistema NVIDIA DRIVE AGX
    • Treinar uma rede neural de segmentação semântica
    • Otimizar, validar e implantar uma rede neural treinada usando o NVIDIA® TensorRT

    Após a conclusão, você poderá criar e otimizar componentes de percepção para veículos autônomos usando o NVIDIA DRIVE.

    Pré-requisitos: Experiência com CNNs e C++

    Tecnologias: TensorFlow, TensorRT, Python, CUDA C++, DIGITS

  • Deep Learning para Robótica

    AI is revolutionizing the acceleration and development of robotics across a broad range of industries. Explore how to create robotics solutions on a Jetson for embedded applications.

    You’ll learn how to:

    • Apply computer vision models to perform detection
    • Prune and optimize the model for embedded application
    • Train a robot to actuate the correct output based on the visual input

    Upon completion, you’ll know how to deploy high-performance deep learning applications for robotics.

    Prerequisites: Basic familiarity with deep neural networks, basic coding experience in Python or similar language

  • Aplicações de AI para Detecção de Anomalias

    A quantidade de informações que se move através da infraestrutura de telecomunicações do mundo o torna um dos sistemas mais complexos e dinâmicos que a humanidade já construiu. Neste workshop, você implementará várias soluções baseadas em AI para resolver um importante problema de telecomunicações: identificação de invasões de rede.

    Neste workshop, você irá:

    • Implementar três técnicas diferentes de detecção de anomalias: XGBoost acelerado, autoencoders baseados em deep learning e redes adversárias generativas (GANs)
    • Criar e comparar aprendizado supervisionado com soluções baseadas em aprendizado não supervisionado
    • Discutir outros casos de uso em seu setor que possam se beneficiar das abordagens modernas de processamento

    Após a conclusão, você poderá detectar anomalias em grandes conjuntos de dados usando machine learning supervisionado e não supervisionado. 

    Pré-requisitos: Experiência com CNNs e Python

    Tecnologias: RAPIDS, Keras, GANs, XGBoost

  • Aplicações de AI para Manutenção Preditiva

    Aprenda a identificar anomalias e falhas em dados de séries temporais, estimar a vida útil restante das peças correspondentes e usar essas informações para mapear anomalias para condições de falha. 

    Você aprenderá como:

    • Aproveitar a manutenção preditiva para gerenciar falhas e evitar paradas não planejadas e dispendiosas 
    • Identificar os principais desafios em torno da identificação de anomalias que podem levar a falhas dispendiosas
    • Usar dados de séries temporais para prever resultados usando modelos de classificação de machine learning com o XGBoost
    • Aplicar procedimentos de manutenção preditiva usando um modelo baseado em LSTM (Long Short Term Memory) para prever falha do dispositivo 
    • Utilizar autoencoders para detectar anomalias usando as sequências de séries temporais das etapas anteriores

    Após a conclusão, você entenderá como usar a AI para prever a condição do equipamento e estimar quando a manutenção deve ser realizada.

    Pré-requisitos: Experiência com Python e redes neurais profundas

    Tecnologias: TensorFlow, Keras

  • Deep Learning para Inspeção Industrial

    Este workshop explora como as redes neurais convolucionais e recorrentes podem ser combinadas para gerar descrições efetivas de conteúdo em imagens e videoclipes.

    Aprenda a treinar uma rede usando o TensorFlow e o conjunto de dados Microsoft Common Objects in Context (COCO) para gerar legendas a partir de imagens e vídeos:

    • Implementando workflows de deep learning, como segmentação de imagens e geração de texto
    • Comparando e contrastando tipos de dados, workflows e frameworks
    • Combinando visão computacional e processamento de idiomas

    Após a conclusão, você poderá resolver problemas de deep learning que exigem vários tipos de entradas de dados.

    Pré-requisitos: Familiaridade com Python básico (funções e variáveis); experiência prévia em treinamento de redes neurais.

    Tecnologias: TensorFlow

  • DEEP LEARNING PARA ANÁLISES INTELIGENTES DE VÍDEO

    With the increase in traffic cameras, growing prospect of autonomous vehicles, and promising outlook of smart cities, there's a rise in demand for faster and more efficient object detection and tracking models. This involves identification, tracking, segmentation and prediction of different types of objects within video frames.

    In this workshop, you’ll learn how to:

    • Efficiently process and prepare video feeds using hardware accelerated decoding methods
    • Train and evaluate deep learning models and leverage ""transfer learning"" techniques to elevate efficiency and accuracy of these models and mitigate data sparsity issues
    • Explore the strategies and trade-offs involved in developing high-quality neural network models to track moving objects in large-scale video datasets
    • Optimize and deploy video analytics inference engines by acquiring the DeepStream SDK

    Upon completion, you'll be able to design, train, test and deploy building blocks of a hardware-accelerated traffic management system based on parking lot camera feeds.

    Prerequisites: Experience with deep networks (specifically variations of CNNs), intermediate-level experience with C++ and Python

    Technologies: deep learning, intelligent video analytics, deepstream 3.0, tensorflow, iva, fmv, opencv, accelerated video decoding/encoding, object detection and tracking, anomaly detection, deployment, optimization, data preparation

  • Deep Learning para Análise de Imagens da Área da Saúde

    Este workshop explora como aplicar redes neurais convolucionais (CNNs) a exames de ressonância magnética para realizar uma variedade de tarefas e cálculos médicos. Você aprenderá como:

    • Realizar a segmentação de imagens em imagens de ressonância magnética para determinar a localização do ventrículo esquerdo
    • Calcular frações de ejeção medindo diferenças entre diástole e sístole usando CNNs aplicados a exames de ressonância magnética para detectar doenças cardíacas
    • Aplicar CNNs a exames de ressonância magnética de gliomas de baixo grau (LGGs) para determinar o status de co-exclusão do cromossomo 1p / 19q

    Após a conclusão, você poderá aplicar CNNs às ressonâncias magnéticas para realizar uma variedade de tarefas médicas.

    Pré-requisitos: Familiaridade básica com redes neurais profundas; experiência básica de codificação em Python ou em uma linguagem semelhante

    Tecnologias: R, MXNet, TensorFlow, Caffe, DIGITS

WORKSHOPS SOBRE PROCESSAMENTO ACELERADO

  • Fundamentos do Processamento Acelerado com CUDA C/C++ 

    A plataforma de computação CUDA permite que a aceleração de aplicativos que rodam apenas em CPU sejam executados nas GPUs paralelas mais rápidas do mundo. Experimente a aceleração de aplicativos C/C++:

    • Acelerando aplicativos que rodam somente CPU para executar seu paralelismo latente em GPUs
    • Utilizando técnicas essenciais de gerenciamento de memória CUDA para otimizar aplicativos acelerados
    • Expondo o potencial acelerado de aplicativos para simultaneidade e explorando-o com streams CUDA
    • Aproveitando a linha de comando e o perfil visual para orientar e verificar seu trabalho

    Após a conclusão, você poderá acelerar e otimizar aplicativos que rodam apenas em CPU C/C++ usando as ferramentas e técnicas CUDA mais essenciais. Você entenderá um estilo interativo de desenvolvimento CUDA que permitirá executar aplicativos acelerados rapidamente.

    Pré-requisitos: Conhecimentos básicos em C/C++, incluindo familiaridade com tipos de variáveis, loops, instruções condicionais, funções e manipulações de matriz.

  • Fundamentos de Processamento Acelerado com CUDA Python

    Este workshop explora como usar o Numba - o compilador de funções Python especializado em tipos just-in-time - para acelerar os programas Python para rodar em GPUs NVIDIA paralelas. Você aprenderá como:

    • Usar o Numba para compilar kernels CUDA a partir das funções universais do NumPy (ufuncs)
    • Usar o Numba para criar e iniciar kernels CUDA personalizados
    • Aplicar as principais técnicas de gerenciamento de memória da GPU
    • Após a conclusão, você poderá usar o Numba para compilar e iniciar os kernels CUDA para acelerar seus aplicativos Python nas GPUs NVIDIA.

    Pré-requisitos: Conhecimentos básicos em Python, incluindo familiaridade com tipos de variáveis, loops, instruções condicionais, funções e manipulações de matriz. Conhecimentos em NumPy, incluindo o uso de ndarrays e ufuncs.

    Tecnologias: CUDA, Python, Numba, NumPy

WORKSHOPS SOBRE CIÊNCIA DE DADOS ACELERADA

  • Fundamentos da Ciência de Dados Acelerada com RAPIDS

    O RAPIDS é uma coleção de bibliotecas de ciência de dados que permite a aceleração da GPU de ponta a ponta para fluxos de trabalho em ciência de dados. Neste treinamento, você irá:

    • Usar cuDF e Dask para interpretar e manipular conjuntos de dados em massa diretamente na GPU
    • Aplicar uma ampla variedade de algoritmos de machine learning acelerados por GPU, incluindo XGBoost, cuGRAPH e cuML, para executar a análise de dados em grande escala
    • Executar várias tarefas de análise em conjuntos de dados massivos, em uma simulação para evitar um surto epidêmico que afeta o Reino Unido

    Após a conclusão, você poderá carregar, manipular e analisar grandes volumes de dados mais rapidamente do que antes, permitindo mais ciclos de interação e melhorando significativamente a produtividade.

    Pré-requisitos: Experiência com Python, incluindo pandas e NumPy

    Tecnologias: RAPIDS, NumPy, XGBoost, DBSCAN, K-Means, SSSP, Python

NETWORKING WORKSHOPS

SOLUÇÕES CORPORATIVAS

Se você estiver interessado em um treinamento mais abrangente, a DLI Enterprise Solution oferece um pacote de treinamento e palestras para atender às necessidades exclusivas da sua empresa. Desde treinamento prático on-line e no local até briefings executivos e relatórios em nível empresarial, o DLI pode ajudar sua empresa a se transformar em uma organização de AI. Fale conosco para saber mais.

PUBLIC WORKSHOPS

Se você deseja receber atualizações sobre os próximos workshops do DLI, inscreva-se para receber comunicações.

CUMULUS BOOTCAMPS

O DLI da NVIDIA oferece para download os materiais de seus cursos para professores universitários e treinamento on-line gratuito e individualizado para os alunos através dos Kits de Aprendizado do DLI. Os professores também podem ser certificados para ministrar oficinas sobre DLI nas universidades através do Programa Embaixador Universitário.

KITS DE APRENDIZADO

Os kits de aprendizado do DLI estão disponíveis para professores universitários interessados em cursos sobre deep learning, processamento acelerado e robótica. Os professores podem adicionar materiais de palestras, cursos práticos, recursos de GPU no cloud e muito mais em seu conteúdo programático.

 

Aprimorando o Conteúdo Programático com os Kits de Aprendizado NVIDIA

PROGRAMA EMBAIXADOR UNIVERSITÁRIO

O programa Embaixador Universitário do DLI certifica professores qualificados para oferecer oficinas práticas de DLI para professores, estudantes e pesquisadores da universidade, sem nenhum custo. Os professores são incentivados a baixar os kits de aprendizado do DLI para se qualificarem para participar do programa Embaixador.

 

Avançando nas Fronteiras da Educação

O DLI tem certificado Embaixadores Universitários em centenas de universidades, incluindo:

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

PARCEIROS

O DLI trabalha com parceiros da indústria para criar e oferecer conteúdo para workshops orientados por um instrutor do DLI em todo o mundo. Aqui estão alguns de nossos principais parceiros: