ИНСТИТУТ ГЛУБОКОГО ОБУЧЕНИЯ NVIDIA

Обучаем решению самых
сложных проблем в мире 

ИНСТИТУТ ГЛУБОКОГО ОБУЧЕНИЯ ПРЕДЛАГАЕТ СЕРТИФИКАЦИЮ РАЗРАБОТЧИКОВ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И УСКОРЕННЫХ ВЫЧИСЛЕНИЙ.

Институт глубокого обучения NVIDIA (DLI) проводит практические занятия в области искусственного интеллекта и ускоренных вычислений для решения реальных задач. Материалы DLI созданы специально для разработчиков, специалистов в области данных и исследователей и доступны в трех форматах:

Онлайн-курсы

На онлайн-курсах DLI вы узнаете, как реализовать и развернуть готовый проект за восемь часов. Онлайн-курсы можно проходить в любое время и в любом месте. Вы также получаете доступ к полностью настроенной GPU-ускоренной рабочей станции в облаке.

Краткосрочные онлайн курсы

За два часа вы изучите, как применять конкретную технологию или метод разработки. Как и при прохождении длительных курсов, вы не ограничены в выборе места и времени занятий и получаете доступ к GPU в облаке.

Практикумы под руководством инструктора

На индивидуальных практикумах вам предстоит разработать и развернуть готовый проект за восемь часов. Однодневные практикумы проводятся в офисах наших клиентов, на конференциях и в университетах и включают в себя лекции и практическое обучение. Все занятия проводят квалифицированные инструкторы DLI.

Сертификация

Сертификация

Участники могут получить сертификат, подтверждающий прохождение курса, способствующий карьерному росту. Сертификация доступна не для всех онлайн-курсов и практикумов.

ОНЛАЙН-ОБУЧЕНИЕ

Начните курс или электив в любое время и в любом месте, получив доступ к полностью настроенной GPU-ускоренной станции в облаке.

Знакомство с технологиями глубокого обучения

Если вы новичок в области глубокого обучения, то первым делом вам необходимо научиться тренировать и развертывать нейронные сети для решения реальных задач.

КУРСЫ
  • Основы глубокого обучения в области компьютерного зрения 

    Обязательные требования: Знание основ программирования, таких как функции и переменные

    Фреймворк: Caffe, DIGITS

    Метод контроля: код

    Языки: английский

    Цена: $90

    Возможно получение сертификата после обучения

    Изучите основы глубокого обучения посредством тренировки нейронных сетей и использования результатов для расширения своих возможностей и повышения производительности работы.

    Настоящий практикум посвящен изучению основ глубокого обучения путем тренировки и развертывания нейронных сетей. Вы научитесь:

    • выполнять традиционные задачи глубокого обучения, например, классифицировать изображения и распознавать объекты
    • экспериментировать с данными, параметрами тренировки, структурой нейронных сетей и другими параметрами для повышения производительности и расширения возможностей нейронных сетей
    • развертывать нейронные сети для решения реальных задач

    По завершении курса вы сможете решать собственные задачи с помощью алгоритмов глубокого обучения.

КРАТКОСРОЧНЫЕ КУРСЫ
  • Классификация изображений с DIGITS

    Обязательные Требования: Нет

    Фреймворк: Caffe (с интерфейсом DIGITS)

    Языки: английский, китайский, японский

    Цена: Бесплатно

    Глубокое обучение открывает абсолютно новые решения, заменяя старый подход с ручным определением инструкций на получение моделей в процессе обучения на примерах. Обучите глубокую нейронную сеть распознавать рукописные цифры. В ходе задания вы:

    • Загрузите в среду обучения данные в виде изображений
    • Выберете и обучите сеть
    • Проведите итеративное тестиирование с новыми данными, чтобы улучшить производительность

    По завершении курса вы научитесь определять, какие данные стоит использовать для обучения.

  • Распознавание объектов с DIGITS

    Требования: опыт работы с нейронными сетями

    Фреймворк: Caffe (с интерфейсом DIGITS)

    Языки: Английский, китайский

    Цена: бесплатно

    Научитесь применять алгоритмы глубокого обучения для распознавания объектов. Для того, чтобы выполнить данное задание и распознать кита на аэроснимках, вам предстоит:

    • Сочетать алгоритмы традиционного компьютерного зрения и глубокого обучения
    • Провести простую "хирургию мозга" на существующей нейросети на базе фреймворка Caffe
    • Задействовать базу знаний сообщества по глубокому обучению путем определения и применения целевой нейросети и готовых размеченных данных

    По завершении курса вы сможете решать собственные задачи с помощью алгоритмов глубокого обучения.

  • Развертывание нейронной сети с помощью DIGITS и TensorRT

    Требования: опыт работы с нейронными сетями

    Фреймворки: DIGITS, TensorRT

    Языки: английский, китайский

    Цена: $30

    Глубокое обучение позволяет нам сопоставить входные и выходные значения, требующие огромных вычислительных ресурсов Узнайте, как внедрить глубокое обучение в приложения по распознованию изображений и определению пешеходов в реальном времени

    • Получив доступ и изучив файлы, которые формируют обученную модель
    • Создавая уникальные входные и выходные данные каждой функции
    • Оптимизируйте самые тяжелые вычислительные части вашего приложения по таким метрикам, как пропускная способность и задержки

    По завершении вы сможете применять алгоритмы глубокого обучения для решения реальных задач.

  • Глубокое обучение с TensorFlow, MXNet, and NVIDIA Docker

    Обязательные Требования: опыт работы с bash terminal

    Фреймворки: TensorFlow, MXNet

    Языки: Английский, Japanese

    Цена: $30

    Плагин NVIDIA Docker дает возможность контейнеризировать продукты с глубоким обучением, использующие GPU Узнайте, как упростить конфигурацию и администрирование хоста. Вам предстоит:

    • Научиться работать с изображениями Docker и управлять жизненным циклом контейнера
    • Получить доступ к образам в публичном реестре DockerHub для максимальной оптимизации использования образов при создании легковесных контейнеров
    • Обучить нейронные сети с использованием фреймворков TensorFlow и MXNet

    По завершении курса вы сможете создавать и распространять настроенные образы для глубокого обучения.

  • Сегментация изображений с TensorFlow

    Обязательные Требования: Опыт работы с нейронными сетями

    Фреймворк: TensorFlow

    Языки: Английский

    Цена: $30

    Сегментация изображения (или семантическая сегментация) – это задача размещения каждого пикселя изображения в определенном классе. Узнайте, как сегментировать изображения MРТ, чтобы измерить части сердца. Вам предстоит:

    • Рассмотреть задачу сегментации изображений в сравнении с другими задачами компьютерного зрения
    • Работать c такими инструментами TensorFlow, как TensorBoard и TensorFlow Python API
    • Научиться использовать эффективные показатели для оценки производительности модели

    По завершении курса вы сможете выполнять задачи компьютерного зрения с помощью алгоритмов глубокого обучения.

  • Классификация изображений с Microsoft Cognitive Toolkit

    Обязательные Требования: нет

    Фреймворк: Microsoft Cognitive Toolkit

    Языки: Английский

    Цена: $30

    Узнайте, как обучать нейронные сети с платформой Microsoft Cognitive Toolkit. Вы создадите и обучите невероятно сложную сеть, чтобы:

    • Сравнить выражения нейронной сети, полученные при использовании “Simple Network Builder” от BrainScript и более детального “Network Builder”
    • Визуализировать графики нейронной сети
    • Обучить нейронную сеть классификации рукописных цифр и протестировать ее

    По завершении курса вы получите базовые знания о сверточных нейронных сетях (CNN) и сможете перейти к более продвинутому использованию платформы Microsoft Cognitive Toolkit.

  • Линейная классификация с TensorFlow

    Обязательные Требования: Нет

    Фреймворк: TensorFlow

    Языки: Английский

    Цена: $30

    Научитесь делать прогнозы из структурированных данных с помощью TFLearn API от TensorFlow. При решении задачи прогнозирования личного дохода вы будете использовать данные переписей. Вам предстоит:

    • Загружать, просматривать и организовывать данные в формате CSV для машинного обучения
    • Разделить существующий датасет на функции и метки (ввод, вывод) нейронной сети
    • Строить модели от линейных до глубоких с последующей оценкой разницы производительности

    По завершении курса вы сможете делать прогнозы на основе собственных структурированных данных.

  • Обработка сигналов с DIGITS

    Обязательные Требования: опыт обучения нейронных сетей

    Фреймворки: Caffe, DIGITS

    Языки: Английский, Китайский

    Цена: $30

    Глубокие нейронные сети классифицируют изображения лучше, чем люди. Поэтому результаты использования компьютерного зрения оказываются выше ожидаемых. Узнайте, как преобразовывать радиочастотные сигналы в изображения, чтобы обнаруживать слабые, искаженные шумом сигналы. Вы научитесь:

    • Расценивать иные типы данных как изображения
    • Внедрять задачи глубокого обучения (загрузка, тренировка, тестирование, настройка) в DIGITS
    • Протестировать производительность программированной модели и улучшить её с использованием руководств

    Позавершении курса вы сможете классифицировать изображения и похожие данные, используя глубокое обучение.

Введение в ускоренные вычисления

Если вы новичок в области ускоренных вычислений, узнайте, как ускорить ваши приложения с CUDA и OpenACC.

КУРСЫ
  • Основы ускоренных вычислений с CUDA C/C++ 

    Обязательные Требования: Базовые знания C/C++, в том числе типов переменных, циклов, условных операторов, функций и операций с массивами.  

    Метод контроля: код

    Языки: Английский

    Цена: $90

    Возможно получение сертификата после обучения

    Вычислительная платформа CUDA позволяет ускорить запуск CPU-приложений на самых быстрых массово-параллельных GPU в мире. Опыт ускорения приложений на C/C++ от:

    • Ускорение CPU-приложений, задействуя скрытый параллелизм на GPU
    • Применение основных методов управления памятью CUDA для оптимизации ускоренных приложений
    • Демонстрация потенциала ускоренного приложения для параллелизма и использования его с потоками CUDА
    • Применение командной строки и визуального профилирования для управления и контроля вашей работы

    По завершении курса вы сможете ускорять и оптимизировать уже существующие коды C/C++ на CPU-системах Приложения, использующие основные инструменты и методы КУДА.

  • Основы ускоренных вычислений с CUDA Python 

    Обязательные Требования: Базовые знания Python, в том числе типов переменных, циклов, условных операторов, функций и операций с массивами. Знание NumPy, в том числе применения ndarrays и ufuncs.

    Метод контроля: код

    Языки: Английский

    Цена: $90

    Данный курс посвящен использованию Numba. Это динамический компилятор, специализирующийся на типе функции Python, созданный для ускорения программ Python для запуска на массово-параллельных GPU NVIDIA. Вы научитесь:

    • Использовать Numba для компиляции ядер CUDA из универсальных функций NumPy (ufuncs)
    • Используйте Numba для создания и запуска пользовательских ядер CUDA
    • Применять ключевые методы управления памятью GPU

    По завершении курса вы сможете использовать Numba для компиляции и запуска ядер CUDA, чтобы ускорять ваши приложения на Python на GPU NVIDIA.

  • Основы ускоренных вычислений с OpenACC

    Обязательные Требования: опыт разработки на C/C++

    Языки: Английский

    Цена: $90

    Изучите основы OpenACC, высокоуровневого языка для программирования на GPU. Этот курс предназначен для всех, кто имеет опыт работы на C / C ++ и заинтересован в ускорении производительности своих приложений за рамками программирования только для CPU. В рамках этого курса вам предстоит:

    • Изучить четыре простых шага ускорения уже существующих программ с помощью OpenACC
    • Профилировать и оптимизировать кодовую базу OpenACC
    • Программировать на мульти-GPU системах, объединяя OpenACC и MPI

    После завершения практикума вы сможете создавать и оптимизировать ускоренные гетерогенные приложения на нескольких GPU-кластерах, используя комбинацию OpenACC, CUDA-совместимых MPI и инструментов профилирования NVIDIA.

КРАТКОСРОЧНЫЕ КУРСЫ
  • Ускорение приложений с CUDA C/C++

    Обязательные Требования: опыт разработки на C/C++

    Языки: Английский, Japanese

    Цена: Бесплатно

    Узнайте, как ускорить ваше приложение на C/C++, используя CUDA, задействуя всю мощь массивно-параллельных вычислительных возможностей NVIDIA GPU Вы научитесь программировать с CUDА, чтобы:

    • Ускорять алгоритмы SAXPY
    • Ускорять алгоритмы умножения матриц
    • Ускорять алгоритмы теплопроводности

    По завершении вы научитесь использовать платформу CUDA для ускорения приложений на C/C++.

  • OpenACC – 2X: 4 простых шага

    Обязательные Требования: опыт разработки на C/C++

    Языки: английский

    Цена: Бесплатно

    Узнайте, как ускорять приложения на C/C++ или Fortran с помощью OpenACC, чтобы использовать массово-параллельную мощность GPU NVIDIA. OpenACC – это подход к вычислениям, основанный на наборе директив. С помощью подсказок компилятор ускоряет код, благодаря чему пропадает необходимость писать код ускорителя самостоятельно. Начните работу по четырехэтапному процессу ускорения приложений, используя OpenACC:

    • Охарактеризуйте и определите профиль вашего приложения
    • Добавьте вычислительные директивы
    • Добавьте директивы для оптимизации перемещения данных
    • Оптимизируйте ваши приложения, используя планировщик исполнения ядер

    По завершении курса вы сможете использовать профильный подход, чтобы моментально ускорять приложения на C/C++, используя директивы OpenACC.

  • Введение в ускоренные вычисления

    Обязательные Требования: опыт разработки на C/C++

    Языки: Английский

    Цена: $30

    Научитесь применять три метода ускорения кода на GPU путем:

    • Использования библиотеки с ускорением на GPU
    • Использования директивы компилятора, например OpenACC
    • Написания кода на языках для работы на CUDA

    По завершении курса вы сможете демонстрировать потенциальные ускорения и простоту портирования на GPU.

  • Оптимизация памяти GPU с CUDA C/C++

    Обязательные Требования: “Ускорение приложений с CUDA C/C++” или схожего по тематике курса

    Языки: Английский

    Цена: $30

    Узнайте о полезных методах оптимизации памяти для программирования с CUDA C/C++ на GPU NVIDIA GPU и возможностях NVIDIA Visual Profiler для поддержки этих оптимизаций. Вы научитесь:

    • Применять алгоритм переноса простых матриц
    • Выполнять несколько циклов профилирования алгоритма с NVVP и оптимизировать его производительность

    По завершении курса вы научитесь анализировать и улучшать паттерны доступа к глобальной и разделяемой памяти и оптимизировать ускоренные приложения на C/C++.

  • Ускорение приложений с применением GPU-ускоренных библиотек CUDA C/C++

    Обязательные Требования: “Ускорение Приложений С CUDA C/C++” Или Схожего По Тематике Курса

    Языки: Английский

    Цена: $30

    Узнайте, как ускорить ваше приложение на C/C++ с помощью подменяемых библиотек, чтобы использовать массово-параллельную мощность GPU NVIDIA. Вам предстоит выполнить следующие задачи:

    • Использовать cuBLAS для ускорения базового умножения матриц
    • Объединить библиотеки, добавив некоторые вызовы API cuRAND к предыдущим вызовам cuBLAS
    • Применить nvprof для профилирования кода и оптимизации с некоторыми вызовами API CUDA Runtime

    По завершении курса вы сможете использовать некоторые библиотеки с поддержкой СUDA для моментального ускорения приложений в уже существующих программах на C/C++, реализуемых только на CPU.

  • Ускорение приложений с применением GPU-ускоренных библиотек в Python

    Обязательные Требования: опыт разработки на Python

    Языки: Английский

    Цена: $30

    Научитеcь использовать библиотеки GPU, чтобы ускорять код на Python на GPU NVIDIA:

    • Использование библиотеки cuRAND для ускорения расчетов метода Монте-Карло
    • Оптимизация передачи данных между CPU и GPU

    По завершении курса вы сможете начать использовать GPU-ускоренную библиотеку Python, чтобы ускорять код Python, реализуемый только на CPU.

  • Использование Thrust для ускорения C++

    Обязательные Требования: “Ускорение Приложений С CUDA C/C++” Или Схожего По Тематике Курса

    Языки: Английский

    Цена: $30

    Thrust - библиотека параллельных алгоритмов, основанная на стандартной библиотеке шаблонов C ++. Она позволяет разработчикам быстро использовать возможности параллельных вычислений и поддерживает множество ресурсов для разработчиков, таких как OpenMP и Intel Threading Building Blocks. Используйте Thrust для ускорения C++, выполняя задачи, которые включают в себя:

    • Базовые итераторы, контейнеры и функции
    • Встроенные и пользовательские функторы
    • Перенос на CPU для обработки

    По завершении курса вы сможете использовать все возможности библиотек Thrust для ускорения приложений на C/C++.

  • Ускорение приложений с CUDA Fortran

    Обязательные Требования: опыт работы с Fortran

    Языки: Английский

    Цена: $30

    Узнайте, как ускорить ваше приложение Fortran используя CUDA, чтобы использовать всю массово-параллельную мощность GPU. Вам предстоит программировать на платформе CUDA, чтобы:

    • Ускорять алгоритмы SAXPY
    • Ускорять алгоритмы умножения матриц
    • Ускорять алгоритмы теплоотдачи

    По завершении курса вы сможете использовать платформу CUDA для ускорения приложений на Fortran.

  • Оптимизация памяти GPU с CUDA Fortran

    Обязательные Требования: Прохождение курса “Ускорение приложений с CUDA Fortran” или схожего по тематике курса

    Языки: Английский

    Цена: $30

    Узнайте о полезных методах оптимизации памяти для программирования с помощью CUDA Fortran на GPU NVIDIA. Научитесь использовать NVIDIA Visual Profiler (NVVP) для поддержки этих оптимизаций. Вы будете:

    • Применять алгоритмы преобразования простых матриц
    • Проводить несколько циклов профилирования и оптимизации производительности алгоритма с помощью NVVP

    По завершении курса вы сможете анализировать и улучшать паттерны доступа к общей и разделяемой памяти, а также оптимизировать ускоренные приложения на Fortran.

  • Ускорение приложений с применением GPU-ускоренных библиотек в Fortran

    Обязательные Требования: Базовые знания Fortran

    Языки: Английский

    Цена: $30

    Узнайте больше об использовании библиотек GPU для ускорения кода Fortran на GPU NVIDIA путем:

    • Использования библиотеки cuRAND для ускорения расчетов методом Монте-Карло
    • Оптимизации передачи данных между CPU и GPU

    По завeршении курса вы сможете использовать GPU-ускоренные библиотеки Fortran для ускорения кода Fortran, реализуемого только на CPU.

Курсы глубокого обучения по отраслям

После окончания базовых курсов в области искусственного интеллекта вы сможете применять свои знания на практикумах более продвинутого уровня и решать реальные задачи.

РАЗРАБОТКА ИГР И ЦИФРОВОГО КОНТЕНТА
 

КРАТКОСРОЧНЫЕ КУРСЫ
  • Создание изображений с помощью генеративно-состязательных сетей с TensorFlow и DIGITS

    Обязательные Требования: Знания сверточных нейронных сетей

    Фреймворк: TensorFlow

    Языки: Английский

    Цена: $30

    Узнайте, как обучать генеративно-состязательные сети для генерации визуального контента в DIGITS. Вы научитесь:

    • Использовать генеративно-состязательные сети для создания рукописных цифр
    • Визуализировать пространство функций и использовать вектор атрибутов для генерации аналогов изображений
    • Обучить генеративно-состязательную сети генерировать изображения с заданными атрибутами

    По завершении курса вы узнаете, как использовать генеративно-состязательные сети для генерации изображений с помощью управления пространством функции.

  • Передача стиля изображения с Torch

    Обязательные Требования: Знания сверточных нейронных сетей

    Фреймворк: Torch

    Языки: Английский

    Цена: $30

    Узнайте, как переносить визуальные и тактильные свойства одного изображения на другое, извлекая различные визуальные функции. Узнайте, как сверточные нейронные сети используются для извлечения функции, а затем функции передаются в генератор для создания нового изображения. Вы научитесь:

    • Переносить визуальные и тактильные свойства одного изображения на другое, извлекая различные визуальные функции
    • Качественно определять, правильно ли передан стиль, с помощью различных методов
    • Применять архитектурные инновации и техники тренировки, используемые для переноса произвольного стиля

    По завершении курса вы сможете использовать нейронные сети для переноса произвольного стиля со скоростью переноса видео.

  • Шумоподавление рендированныx изображений с использованием автоэнкодеров

    Обязательные Требования: Знания сверточных нейронных сетей

    Фреймворк: TensorFlow

    Языки: Английский

    Цена: $30

    Научитесь использовать нейронную сеть с автоэнкодером, чтобы значительно ускорить удаление шума в изображениях, полученных методом трассировки лучей. Вы научитесь:

    • Определять наличие шума в рендированных изображениях
    • Использовать предварительно обученную сеть для шумоподавления на примерах изображений или собственных изображениях
    • Обучить собственную систему шумоподавления, используя предоставленный датасет

    По завершении курса вы сможете использовать автоэнкондеры внутри нейронных сетей для обучения собственной системы шумоподавления рендированных изображений.

  • Суперразрешение изображений с использованием автоэнкондеров

    Обязательные требования: Опыт работы со сверточными нейронными сетями

    Фреймворк: Keras

    Язык: английский

    Цена: $30

    Используйте возможности нейронных сетей и автоэнкодеров, чтобы создавать изображения высокого качества из более низкокачественных снимков. На этом краткосрочном курсе вам предстоит:

    • Создать автоэнкодер и научиться с ним работать
    • Изучить различные методы точной оценки качества изображения

    По завершении курса вы сможете использовать автоэнкодеры внутри нейронных сетей, чтобы существенно повышать качество изображений.

ЗДРАВООХРАНЕНИЕ
 

КУРСЫ
  • Моделирование данных временного ряда с помощью рекуррентных нейронных сетей в Keras

    Обязательные требования: Опыт работы с алгоритмами глубокого обучения

    Фреймворки: Keras

    Языки: Английский

    Цена: Бесплатно

    Рекуррентные нейронные сети (RNN) позволяют моделям классифицировать или прогнозировать данные временного ряда, например, естественные языки, рынки и даже динамику состояния пациента. Вы научитесь:

    • Создавать учебные и тестовые датасеты с использованием электронных медицинских записей в формате HDF5 (иерархический формат данных версии 5)
    • Подготавливать датасеты для использования с рекуррентными нейронными сетями, которые позволяют моделировать сложные последовательности данных
    • Создавать модель долгой краткосрочной памяти (LSTM), специфичную архитектуру рекуррентных нейронных сетей, с помощью библиотеки Keras, запускаемой на базе Theano, для оценки производительности модели по сравнению с базовыми данными

    По завершении курса вы сможете моделировать данные временного ряда, используя рекуррентные нейронные сети.

  • Классификация медицинских изображений с использованием набора данных MedNIST

    Обязательные требования: нет

    Фреймворки: DIGITS

    Языки: английский

    Цена: $30

    Получите практическое представление о технологиях глубокого обучения для рентгенологии и медицинской визуализации. Вы узнаете как:

    • Собирать, форматировать и стандартизировать медицинские данные в виде изображений
    • Строить и тренировать сверточную нейронную сеть в наборе данных
    • Использовать натренированную модель для классификации новых медицинский изображений

    По завершении курса вы сможете применять сверточные нейронные сети для классификации медицинских изображений в наборе данных.

  • Сегментация медицинских изображений с DIGITS

    Обязательные требования: опыт работы со сверточными нейронными сетями и Python

    Фреймворки: DIGITS, Caffe

    Языки: английский

    Цена: $30

    Сегментация изображения (или семантическая сегментация) – это задача размещения каждого пикселя изображения в определенном классе. Вы будете сегментировать изображения MРТ, чтобы измерить части сердца. Вам предстоит:

    • Расширять Caffe с пользовательскими слоями Python
    • Применять процесс переноса обучения
    • Создавать полностью сверточные нейронные сети из популярных сетей классификации изображений

    По завершении вы сможете выполнять большинство задач компьютерного зрения с использованием алгоритмов глубокого обучения.

  • Классификация изображений с TensorFlow: радиомика. Классификация статуса хромосомы 1p19q

    Обязательные требования: опыт работы со сверточными нейронными сетями и Python

    Фреймворк: TensorFlow

    Язык: английский

    Цена: $30

    Благодаря проделанной в Клинике Мэйо (Mayo Clinic) работе стало известно, что использование методов глубокого обучения для радиомики МРТ-изображений привело к назначению более эффективного лечения и улучшению состояния у пациентов с опухолями головного мозга. Узнайте, как определить биомаркер коделеции хромосомы 1p19q. Вам предстоит:

    • Создать и обучить сверточную нейронную сеть (CNN)
    • Использовать анализ изображений генома (радиомику) для создания биомаркеров, которые определяют геномику заболевания, не прибегая к инвазивной биопсии
    • Детально изучить работу по анализу изображений генома, проведенную в Клинике Мэйо (Mayo Clinic)

    По завершении курса вы получите уникальные знания о перспективах использования глубокого обучения для радиомики

  • Анализ медицинских изображений с использованием R и MXNet

    Обязательные требования: опыт работы со сверточными нейронными сетями и Python

    Фреймворки: MXNet

    Языки: английский

    Цена: $30

    Сверточные нейронные сети (CNN) можно применять для анализа медицинских изображений для определения на нечитабельных изображениях статуса пациента Узнайте, как обучить сверточную нейронную сеть определять размер левого желудочка сердца человека из данных МРТ временного ряда. Вы узнаете как:

    • Расширить традиционную 2D-сверточную нейронную сеть для работы с более сложными данными
    • Использовать MXNet с помощью стандартных Python API и R
    • Обрабатывать многомерные изображения, которые могут быть объемными и иметь временной компонент

    По завершении курса вы сможете использовать сверточные нейронные сети для работы с нечитабельными изображениями.

  • Аугментация и сегментация данных с использованием генеративно-состязательных сетей для медицинской визуализации

    Обязательные требования: опыт работы со сверточными нейронными сетями

    Фреймворки: TensorFlow

    Языки: английский

    Цена: $30

    Генеративно-состязательная сеть (GAN) – это комбинация двух глубоких нейронных сетей: генеративной модели, которая создает новые образцы на основе имеющихся данных тренировки, и дискриминативной модели, которая старается обнаружить различия между оригинальными и смоделированными данными. Поскольку обе сети совершенствуются вместе, созданные образцы становятся невероятно реалистичными. Технология перспективна для здравоохранения, так как позволяет увеличивать небольшие наборы данных для тренировки традиционных сетей. Вы узнаете, как:

    • Генерировать снимки MРТ головного мозга
    • Применять генеративно-состязательные сети для сегментации
    • Использовать генеративно-состязательные сети для увеличения количества данных и повышения точности

    По завершении курса вы сможете применять генеративно-состязательные сети для медицинской визуализации.

  • Применение метода «Coarse-to-Fine Contextual Memory» для медицинской визуализации

    Обязательные требования: опыт работы со сверточными нейронными сетями

    Фреймворки: TensorFlow

    Языки: английский

    Цена: $30

    Coarse-to-Fine Contextual Memory (CFCM) – это метод, разработанный для сегментации изображений с использованием глубоких архитектур и содержащий функции разного масштаба со сверточной долгой краткосрочной памятью (LSTM). Вам предстоит:

    • Изучить архитектуры кодирования и декодирования для сегментации медицинских изображений
    • Узнать об основных элементах (сверточные нейронные сети, объединение слоев, остаточные нейронные сети и т.д.)
    • Исследовать различные стратегии для пропуска связей

    По завершении курса вы сможете использовать методы CFCM для сегментации медицинских изображений и выполнения схожих задач по визуализации.

  • Глубокое обучение для геномики с применением DragoNN, Keras и Theano

    Обязательные требования: Опыт работы со сверточными нейронными сетями и Python

    Фреймворки: Keras, Theano

    Языки: английский

    Цена: $30

    Научитесь интерпретировать модели глубокого обучения для обнаружения прогностических признаков в геномной последовательности. Используйте набор инструментов DragoNN для работы с реальными и смоделированными геномными данными, чтобы:

    • Научиться работать с популярными архитектурами DragoNN
    • Изучите рекомендации по моделированию и интерпретации регуляторной последовательности с использованием моделей DragoNN
    • Научитесь определять, когда стоит использовать архитектуру DragoNN для проблем обучения в геномике и высокопроизводительных моделей

    По завершении курса вы сможете использовать прогностические шаблоны последовательности генома для получения новых знаний в биологии.

ИНТЕЛЛЕКТУАЛЬНОГО ВИДЕОАНАЛИЗА
 

КРАТКОСРОЧНЫЕ КУРСЫ
  • Развертывание для выполнения задач интеллектуального видеоанализа с использованием TensorRT


    Обязательные требования:
    Опыт работы со сверточными нейронными сетями и C++

    Фреймворк: TensorRT

    Язык: английский

    Цена: $30

    Развертывание – это процесс поиска обученной нейронной сетью ответа на новые входные данные. TensorRT – основной инструмент для развертывания, который предоставляет множество опций для повышения производительности инференса нейронной сети. При прохождении этого краткосрочного курса вам предстоит:

    • Научиться использовать giexec для запуска инференса
    • Использовать операции INT8 смешанной точности для оптимизации инференса
    • Применять пользовательские слои API плагинов

    По завершении курса вы узнаете, как использовать TensorRT для ускорения производительности инференса нейронных сетей.

Практикумы под руководством инструктора

Узнайте о предстоящих мероприятиях в вашем регионе или подайте заявку на проведение практикума в вашей организации.

Посетить практикумы.

Организуйте практукум DLI в вашей компнаии.

Обратитесь за информацией о возможности проведения практикумов DLI в вашей компании. Выберите базовую или специфично-отраслевую тему из списка ниже.

Если вашей компании больше подходит комплексное обучение, мы разработаем специальный курс занятий и лекций, который соответствует нуждам вашей организации. Предлагая разные форматы сопровождения, от практического онлайн- и оффлайн-обучения до организации совещаний и подготовки отчетности на уровне предприятия, DLI поможет вашей компании начать использовать технологии искусственного интеллекта во всех рабочих процессах. Свяжитесь с нами, чтобы получить более подробную информацию.

ЗНАКОМСТВО С ТЕХНОЛОГИЯМИ ГЛУБОКОГО ОБУЧЕНИЯ

  • Основы глубокого обучения в области компьютерного зрения 

    Обязательные Требования: Знание основ программирования, таких как функции и переменные

    Фреймворк: Caffe, DIGITS

    Метод контроля: код

    Языки: Английский, китайский, японский, корейский

    Возможно получение сертификата после обучения

    Изучите основы глубокого обучения посредством тренировки нейронных сетей и использования результатов для расширения своих возможностей и повышения производительности работы.

    Настоящий практикум посвящен изучению основ глубокого обучения путем тренировки и развертывания нейронных сетей. Вы научитесь:

    • выполнять традиционные задачи глубокого обучения, например, классифицировать изображения и распознавать объекты
    • экспериментировать с данными, параметрами тренировки, структурой нейронных сетей и другими параметрами для повышения производительности и возможностей нейронных сетей
    • развертывать нейронные сети для решения реальных задач

    По завершении курса вы сможете решать собственные задачи с помощью алгоритмов глубокого обучения.

  • Основы глубокого обучения для работы с разными типами данных

    Обязательные Требования: Требуется знание основ Python (функции и переменные) и опыт обучения нейронных сетей.

    Фреймворк: TensorFlow

    Метод контроля: код

    Языки: Английский, китайский, японский, корейский

    Возможно получение сертификата после обучения

    Настоящий практикум рассказывает об объединении сверточных и рекуррентных нейронных сетей для построения точных описаний изображений и видеороликов.

    Узнайте, как обучать нейронные сети с использованием TensorFlow и набора данных MSCOCO для создания подписей изображений и видео путем:

    • выполнения таких задач, как сегментация изображений и генерация текста
    • сравнения и сопоставления типов данных, рабочих процессов и фреймворков
    • объединения алгоритмов компьютерного зрения и обработки естественных языков

    По завершении практикума вы сможете решать задачи глубокого обучения, требующие использования разных типов данных.

  • Основы глубокого обучения для обработки естественных языков 

    Обязательные Требования: Базовый опыт работы с нейронными сетями и программирования на Python, знание основ лингвистики

    Фреймворк: TensorFlow и Keras

    Метод контроля: код

    Языки: Английский, китайский

    Возможно получение сертификата после обучения

    Ознакомьтесь с последними методами глубокого обучения для распознавания текстовых данных с использованием принципов обработки естественных языков (NLP). Вы научитесь:

    • Конвертировать текст для представления для машиннойобработки и работы в рамках классических подходов
    • Внедрять распределенные представления (вложения) и распознавать их свойства
    • Тренировать машинных переводчиков переводить с одного языка на другой

    По завершении курса вы научитесь применять принципы обработки естественных языков с использованием вложений в схожих приложениях.

  • Основы глубокого обучения для систем Multi-GPUs 

    Обязательные Требования: опыт работы с методом стохастического градиентного спуска

    Фреймворк: TensorFlow

    Метод контроля: код

    Языки: Английский

    Возможно получение сертификата после обучения

    Требуются огромные вычислительные мощности глубоких нейронных сетей для работы приложений с искусственным интеллектом, например, в беспилотных автомобилях. Один тренировочный цикл на одном GPU может занять недели или даже годы для больших наборов данных, которые используются, например, в исследовании беспилотных автомобилей. Использование нескольких GPU для глубокого обучения существенно сокращает время, необходимое для тренировки больших объемов данных, позволяя решать сложные задачи с помощью алгоритмов глубокого обучения.

    В рамках данного курса вы научитесь использовать несколько GPU для тренировки нейронных сетей. Вам предстоит узнать:

    • Подходы к тренировке с технологией Multi-GPUs
    • Алгоритмические и технические сложности, возникающие при крупномасштабных тренировках
    • Основные методы преодоления трудностей, описанные выше

    По завершении курса вы сможете успешно осуществлять параллельную тренировку глубоких нейронных сетей с использованием TensorFlow.

ВВЕДЕНИЕ В УСКОРЕННЫЕ ВЫЧИСЛЕНИЯ

  • Основы ускоренных вычислений с CUDA C/C++ 

    Обязательные Требования: Базовые знания C/C++, в том числе типов переменных, циклов, условных операторов, функций и операций с массивами.

    Метод контроля: код

    Языки: Английский, китайский, японский, корейский

    Возможно получение сертификата после обучения

    Вычислительная платформа CUDA позволяет ускорить работу СPU-приложений и запустить их на самых быстрых в мире массово-параллельных GPU. Опыт разработки приложений на С/C++ ускорение с помощью:

    • Ускорение CPU-приложений для запуска скрытого параллелизма на GPU
    • Использование основных методов управления памятью CUDA, чтобы оптимизировать ускоренные Приложения
    • Демонстрация потенциала ускоренного приложения для параллелизма и его использования с потоками CUDА
    • Применение командной строки и визуального профилирования для управления и контроля вашей работы

    По завершении курса вы сможете ускорять и оптимизировать уже существующие C/C++ CPU- приложения, использующие основный инструменты и методы CUDA Вы освоите итеративный стиль разработки CUDA, который позволит вам быстро создавать ускоренные приложения.

ПРАКТИКУМЫ ПО ГЛУБОКОМУ ОБУЧЕНИЮ ПО ОТРАСЛЯМ

  • Глубокое обучение для беспилотных автомобилей – восприятие окружающего мира

    Обязательные Требования: знания сверточных нейронных сетей

    Фреймворки: TensorFlow, DIGITS, TensorRT

    Языки: Английский, китайский, японский

    В рамках этого курса вы научитесь проектировать, обучать и развертывать нейронные сети для беспилотных средств с использованием платформы NVIDIA DRIVE PX.

    Узнайте, как:

    • интегрировать сенсорные данные с помощью программного стека DriveWorks
    • обучать нейронные сети семантической сегментацией
    • оптимизировать, проверять и развертывать нейронные сети, используя TensorRT

    После завершения курса вы сможете создавать и оптимизировать компоненты восприятия окружающей обстановки в беспилотных автомобилях с использованием DRIVE PX.

  • Глубокое обучения для разработки стратегии торгового финансирования

    Обязательные Требования: Опыт работы с нейронными сетями и знание финансовой индустрии

    Фреймворк: TensorFlow

    Языки: Английский

    Линейные методы, например, анализ главных компонент – это основной метод создания«собственных портфелей» для использования в статистических арбитражных стратегиях. Другие методы, использующие временные ряды для анализа финансовых данных, также широко распространены Но с возможностями нейронных сетей торговые стратегии могут быть усовершенствованы.

    В рамках настоящего курса вы:

    • подготовите данные временного ряда и протестируете производительность нейронной сети, используя тренировочные и тестовые наборы данных
    • научитесь структурировать и тренировать LSTM-сеть, чтобы принимать векторные представления и делать прогнозы
    • попробуете использовать автоэнкодер в качестве детектора аномалий для разработки стратегии арбитражных сделок

    После завершения практикума вы сможете применять финансовые данные временного ряда для прогнозирования и проведения арбитражных сделок с помощью нейронных сетей.

  • Глубокое обучение для создания цифрового контента с помощью автоэнкодеров

    Обязательные Требования: Базовые знания основ глубокого обучения, таких как сверточные нейронные сети, а также опыт программирования на Python

    Фреймворк: Torch и TensorFlow

    Метод контроля: тест

    Языки: английский

    Возможно получение сертификата после обучения

    Получите практические знания о самых современных технологиях проектирования, тренировки и развертывания нейронных сетей для создания цифрового контента. Вы научитесь:

    • Применять архитектурные инновации и техники тренировки, используемые для переноса стилей любого видео
    • Тренировать собственную систему шумоподавления для отрендеренных изображений
    • Повышать качество изображений с помощью суперразрешения с искусственным интеллектом

    По окончании практикума вы сможете создавать цифровой контент с применением технологий глубокого обучения.

  • Глубокое обучение для создания цифрового контента с помощью генеративно-состязательных сетей

    Обязательные Требования: знание основ глубокого обучения, таких как сверточные нейронные сети, а также опыт программирования на Python

    Фреймворк: TensorFlow и Torch

    Метод контроля: тест

    Языки: английский

    Возможно получение сертификата после обучения

    Получите практические знания о самых современных технологиях проектирования, обучения и развертывания нейронных сетей для создания цифрового контента. Вы научитесь:

    • Тренировать генеративно-состязательные сети (GAN) для создания изображений
    • Создавать схожие изображения по различным темам
    • Конвертировать текст в изображения, используя алгоритмы глубокого обучения

    По окончании практикума вы сможете создавать цифровой контент с применением технологий глубокого обучения.

  • Глубокое обучения для разработки игр

    Обязательные Требования: знание основ глубокого обучения, таких как сверточные нейронные сети, а также опыт программирования на Python

    Фреймворк: TensorFlow и Theano

    Метод контроля: тест

    Языки: английский, китайский

    Возможно получение сертификата после обучения

    Получите практические знания о самых современных технологиях проектирования, обучения и развертывания нейронных сетей для разработки игр. Вам предстоит:

    • Обучить нейронную сеть, которая создает анимированных персонажей
    • Преобразовывать изображения
    • Обучить агента глубокого обучения с подкреплением играть в Starcraft 2

    По завершении вы освоите различные пути внедрения алгоритмов глубокого обучения в разработку игр.

  • Глубокое обучение для анализа медицинских изображений

    Обязательные Требования: Базовые знания глубоких нейронных сетей, базовый опыт программирования на Python или на аналогичном языке

    Фреймворки: Caffe, DIGITS, R, MXNet и TensorFlow

    Метод контроля: код

    Языки: английский, японский

    Возможно получение сертификата после обучения

    В рамках этого практикума вы узнаете, как применять сверточные нейронные сети к снимкам МРТ для выполнения различных медицинских задач и расчетов. Вы научитесь:

    • Выполнять сегментацию изображения на снимках МРТ для определения местоположения левого желудочка
    • Вычислять фракции выброса путем измерения различий между диастолой и систолой с использованием сверточных нейронных сетей на основе данных снимков МРТ для выявления сердечных заболеваний
    • Применять сверточные нейронные сети к снимкам МРТ глиомы низкой степени злокачественности для определения статуса коделеции хромосомы 1p/19q

    По завершении практикума вы сможете применять сверточные нейронные сети к снимкам МРТ для выполнения различных медицинских задач.

  • Глубокое обучение в области геномики

    Обязательные Требования: Базовые знания глубоких нейронных сетей, базовый опыт программирования на Python или на аналогичном языке

    Фреймворки: TensorFlow, Caffe, DIGITS, Theano, DragoNN

    Метод контроля: тест

    Языки: Английский, японский

    Возможно получение сертификата после обучения

    В рамках этого практикума вы познакомитесь с основами глубокого обучения и узнаете, как применять алгоритмы глубокого обучения для определения хромосомной коделеции и поиска мотивов в последовательности Вы научитесь:

    • понимать основы и принципы работы сверточных нейронных сетей
    • применять сверточные нейронные сети к МРТ-снимкам глиомы низкой степени злокачественности для определения статуса коделеции 1p/19q
    • использовать набор инструментов DragoNN для моделирования геномных данных и поиска мотивов последовательностей

    По завершении практикума вы освоите принципы работы сверточных нейронных сетей, научитесь оценивать МРТ-снимки с их помощью и использовать реальные регуляторные геномные данные для поиска новых мотивов.

Программа University Ambassador Program

Квалифицированные инструкторы смогут проводить практикумы DLI в своем университетском городке для преподавателей, студентов и исследователей совершенно бесплатно.

Присоединяйтесь к другим инструкторам DLI из ведущих университетов по всему миру. Скачайте Наборы обучающих материалов NVIDIA, которые содержат лекции, практические материалы, информацию по облачным вычислениям на GPU и другие полезные ресурсы.

Университеты-участники

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

Другие курсы по глубокому обучению

Институт глубокого обучения сотрудничает с ведущими образовательными организациями, чтобы расширить доступность образования в области глубокого обучения для разработчиков и ученых по всему миру.