NVIDIA 深度學習機構

接受訓練以解決全球最富挑戰的問題

NVIDIA 深度學習機構 (DLI) 提供人工智慧、加速運算和加速資料科學的實作訓練課程。開發人員、資料科學家、研究人員和學生可藉由雲端 GPU 環境獲得實作體驗以及能力認證,有助於其專業領域發展。我們為個人提供可自行安排進度的線上訓練課程、為團隊提供面授實作坊,並為大學教職員提供可下載的課程素材,供不同使用者著手使用 DLI。

  • <span style=

    線上課程

  • <span style=

    講師主持的實作坊

  • <span style=

    大學訓練

對於自學者和小型團隊,我們推薦透過 DLI 進行可自行安排進度的線上訓練課程,以及透過我們的合作夥伴進行線上課程。你可以透過 DLI,在雲端上存取全面設定完成的 GPU 加速伺服器,藉此獲得工作所需的實際技能,並有機會取得相關領域的能力認證。

DLI 線上訓練課程

課程結束後可進行線上測驗,通過後可取得電子認證證書。

深度學習課程

深度學習基礎課程

  • 電腦視覺的深度學習基本原理 

    探索深度學習的基礎原理,透過類神經網路實際進行訓練運算,並使用訓練運算結果進行理論探討,進而改善效率與成效。

    必備基礎能力:熟悉基礎程式設計原理,例如函數和變數。

    技術:Caffe、DIGITS

    時間:8 小時

    價錢:90 美元(不含稅)

  • 透過 Jetson Nano 開始使用人工智慧

     

     

    人工智慧強大的功能掌握在自造者、自學開發者與嵌入式技術愛好者的手中。 偕同 NVIDIA Jetson Nano 開發套件,這款易於使用且強大的電腦,可讓你同時執行多個神經網路,適合應用於影像分類、物件偵測、分割和語音處理。在本課程中,你可以在 Jetson Nano 上使用 Jupyter iPython Notebook 建立一個具備深度學習分類的電腦視覺模型。

    必備基礎能力:熟悉 Python (有幫助,但非必須)

    技術:PyTorch、Jetson Nano

    時間:8 小時

    價錢:免費

  • 應用 DIGITS 進行圖像分類

    深度學習技術是一個嶄新的技術,透過向資料學習的模組,取代以往的手動編碼指示,藉此實現全新解決方案。透過以下方式訓練深度神經網路辨識手寫數字:

    必備基礎能力:

    技術:Caffe (使用 DIGITS 介面)

    時間:2 小時

    價錢:30 美元(不含稅)

  • 應用 DIGITS 進行物體偵測

    透過以下方式,藉由偵測空拍影像中鯨魚臉部的挑戰,學習如何將深度學習運用在物體偵測上

    必備基礎能力:神經網路基礎概念

    技術:Caffe (使用 DIGITS 介面)

    時間:2 小時

    價錢:30 美元(不含稅)

  • 利用 TensorRT 部署與最佳化 TensorFlow 模型

    學習在 TensorFlow 平台利用內建的 TensorRT 函式庫 (TF-TRT) 與 Python 產生高效能深度學習模型之基礎,

    必備基礎能力:TensorFlow 與 Python 的經驗

    技術:TensorFlow、Python 與 TensorRT (TF-TRT)

    時間:2 小時

    價錢:30 美元(不含稅)

  • 使用 Horovod 進行大規模深度學習

    瞭解如何使用 Horovod 將深度學習訓練擴充到多個 GPU。Horovod 是開放原始碼的分散式訓練框架,最初由 Uber 打造並由 LF AI 基金會託管。在本課程中,

    必備基礎能力:Python 專長能力,以及在 Python 中訓練深度學習模型的專業經驗

    技術:Horovod、TensorFlow、Keras、Python

    時間:2 小時

    價錢:30 美元(不含稅)

  • 運用 TensorFlow 進行影像分割

    影像 (或語意) 分割是一項將影像的每個像素分到特定類別的工作。透過以下方式瞭解如何分割 MRI 影像,以評估心臟的各個部位

    必備基礎能力:類神經網路基礎概念

    技術:TensorFlow

    時間:2 小時

    價錢:30 美元(不含稅)

  • 運用 DIGITS 進行訊號處理

    深度神經網路比人類更善於分類影像,其感知能力遠超過我們對電腦視覺的期待。瞭解如何將無線電頻率 (radio frequency) 訊號轉換成影像,以偵測受到雜訊影響的微弱訊號。

    必備基礎能力:神經網路基礎概念

    技術:Caffe、DIGITS

    時間:2 小時

    價錢:30 美元(不含稅)

適用於數位內容創作的深度學習技術

  • 運用 Torch 完成影像風格轉移

     

     

    探索如何透過擷取獨特的視覺特徵,將一幅影像的外觀和風格轉移至另一幅影像。瞭解如何運用卷積神經網路 (CNN) 擷取特徵,以及如何將這些特徵輸入產生工具以建立新影像。

    必備基礎能力:CNN 的經驗

    技術:Torch, CNNs

    時間:2 小時

    價錢:30 美元(不含稅)

  • 運用自動編碼器完成渲染影像降噪

    瞭解如何運用具備自動編碼器的神經網路,大幅加速移除光線追蹤影像中的雜訊。

    必備基礎能力:CNN 的經驗

    技術:TensorFlow, CNNs

    時間:2 小時

    價錢:30 美元(不含稅)

  • 使用自動編碼器製作超高解析度影像

    運用強大的神經網路與自動編碼器,透過低畫質來源影像建立高畫質影像。

    必備基礎能力:CNN 的經驗

    技術:Keras, CNNs

    時間:2 小時

    價錢:30 美元(不含稅)

適用於醫療保健的深度學習技術

  • 運用 Keras 建立時間序列的遞歸神經網路資料模型

    遞歸神經網路 (RNN) 能夠讓模型分類或預測時間序列資料,例如自然語言、市場甚至是病人的身體狀況隨時間變化的情形。

    必備基礎能力:深度學習基礎概念

    技術:Keras

    時間:2 小時

    價錢:30 美元(不含稅)

  • 使用 MedNIST 資料集完成醫療影像分類

     

     

    放射醫學和醫療影像運用深度學習的實作介紹。

    必備基礎能力:Python 的基礎概念

    技術:PyTorch, Python

    時間:2 小時

    價錢:30 美元(不含稅)

  • 在醫療應用程式上應用深度學習資料科學工作流程

    醫療資料集為深度學習應用程式帶來特別的挑戰。

    必備基礎能力:Python 與 CNN 的基礎經驗

    技術:PyTorch, Python, CNNs

    時間:2 小時

    價錢:30 美元(不含稅)

  • 使用 DIGITS 進行醫療影像分割

    影像 (或語意) 分割是一項將影像的每個像素分到特定類別的工作。你將透過下列方式分割 MRI 影像,

    必備基礎能力:CNN 與 Python 的基礎學習經驗

    技術:DIGITS、Caffe, CNNs, Python

    時間:2 小時

    價錢:30 美元(不含稅)

  • 使用 TensorFlow 完成影像分類: 影像體學 - 1p19q 染色體狀態分類

    有了梅約診所 (Mayo Clinic) 運用深度學習技術從 MRI 影像偵測影像體學的成果,讓患有腦部腫瘤的病患可以獲得更有效的治療,且後續健康狀態也有所提升。透過下列方式學習偵測 1p19q 共同缺失生物標記:

    必備基礎能力:CNN 與 Python 的基礎學習經驗

    技術:TensorFlow, CNNs, Python

    時間:2 小時

    價錢:30 美元(不含稅)

  • 使用 R 與 MXNet 進行醫療影像分析

    卷積神經網路 (CNN) 可應用於醫療影像分析,從肉眼不可見的影像推論病患狀態。瞭解如何訓練 CNN 從時間序列 MRI 資料推論人體心臟左心室的體積。

    必備基礎能力:CNN 與 Python 的基礎學習經驗

    技術:MXNet CNNs, Python

    時間:2 小時

    價錢:30 美元(不含稅)

  • 用於醫學影像的生成網絡的數據增強與分割

    生成對抗式網路 (GAN) 是一對深度神經網路架構,包含可以根據提供的訓練資料來建立新範例的生成器網路,以及藉由可以試著分辨真實和模擬資料的鑑別器網路。當兩個網路同時提升時,所建立的範例就會越益真實。這項技術對於醫療照護尤其有幫助,因為可以增強較小型的資料集,進而利用這些資料用以訓練傳統網路。

    必備基礎能力:CNN 的經驗

    技術:TensorFlow, GANs, CNNs

    時間:2 小時

    價錢:30 美元(不含稅)

  • 醫療影像適用的粗糙至精緻情境式記憶

     

     

    粗糙至精緻情境式記憶 (CFCM) 是運用極深度的架構所打造的影像分割技術,並包含許多不同等級功能的卷積長短期記憶 (Conv-LSTM)。

    必備基礎能力:CNN 與長短期記憶 (LSTM) 的經驗

    技術:TensorFlow, CNNs, CFCM

    時間:2 小時

    價錢:30 美元(不含稅)

適用於智慧影片分析的深度學習技術

  • 採用 DeepStream 進行智慧影片分析的人工智慧工作流程

    DeepStream 3.0 框架具備硬體加速的智慧影片分析 (IVA) 應用程式建置組塊。這讓開發人員能專心建置核心深度學習網路。DeepStream SDK 支援多樣的用途,並提供彈性的部署媒體。

    必備基礎能力:C++ 與 Gstreamer 的經驗

    技術:DeepStream3, C++, Gstreamer

    時間:2 小時

    價錢:30 美元(不含稅)

  • 透過 Jetson Nano 與 DeepStream 開始影片分析

    學習如何建立 DeepStream 應用以利用物體偵測及分類網路標記串流影片。

    必備基礎能力:C 語言基礎知識

    技術:DeepStream、TensorRT、Jetson Nano

    課程時間:8 時間、線上自學型

    價格:免費

加速運算課程

  • CUDA C/C++ 加速運算的基本原理  

     

     

    CUDA 運算平台能夠在全球最快速的大型平行運算 GPU 上,加速僅使用 CPU 的應用程式。透過下列方式體驗 C/C++ 應用程式加速:

    必備基礎能力:基礎 C/C++ 專長能力並熟悉變數類型、迴圈、條件 陳述式、函數和陣列操作。

    技術:C/C++, CUDA

    時間:8 小時

    價錢:90 美元(不含稅)

     

  • CUDA Python 加速運算的基本原理

     

     

    本課程帶領你探索如何即時運用特殊化類型的 Python 函數編譯器 Numba,以在大型平行 NVIDIA GPU 上加速執行 Python 程式。

    必備基礎能力:基礎 Python 專長能力並熟悉變數類型、迴圈、條件 陳述式、函數和陣列操作。NumPy 專長能力並使用 多維陣列 (ndarray) 和通用函數 (ufunc)。

    技術:CUDA, Python, Numba, NumPy

    時間:8 小時

    價錢:90 美元(不含稅)

  • OpenACC 加速運算的基本原理

    學習 OpenACC 的基本知識,這是在 GPU 上進行程式設計時使用的高階程式語言。本課程適合任何具備 C/C++ 經驗,且對突破僅使用 CPU 進行程式設計的限制、加速應用程式效能有興趣的任何人。

    必備基礎能力:C/C++ 基礎概念

    技術:OpenACC, C/C++

    時間:8 小時

    價錢:90 美元(不含稅)

  • 使用容器執行高效能運算

    瞭解如何使用容器化環境執行高效能運算 (HPC) 應用程式開發,從而降低程式碼的複雜性,並提升可攜性和效率。在本課程中,

    必備基礎能力:熟練 C/C++ 程式設計和處理 HPC 應用程式的專業經驗

    技術:Docker、Singularity、HPCCM、C/C++

    時間:2 小時

    價錢:30 美元(不含稅)

  • 運用 CUDA C/C++ 加速應用程式

    瞭解如何運用 CUDA 操控 NVIDIA GPU 進行大規模平行運算,以加速 C/C++ 應用程式。你將學習如何運用 CUDA 編寫程式完成以下工作:

    必備基礎能力:C/C++ 基礎概念

    技術:C/C++, CUDA

    時間:2 小時

    價錢:30 美元(不含稅)

  • OpenACC: 只要 4 個步驟即可加速 2 倍

    瞭解如何運用 OpenACC 掌控 NVIDIA GPU 進行大規模平行運算,以加速 C/C++ 或 Fortran 應用程式。OpenACC 是一種指令運算方式,使用者只要提供編譯器提示加速程式碼,不需自行撰寫加速器程式碼。使用 OpenACC 開始進行加速應用程式的四步驟程序:

    必備基礎能力:C/C++ 基礎概念

    技術:C/C++, OpenACC

    時間:2 小時

    價錢:30 美元(不含稅)

  • CUDA C/C++ 的 GPU 記憶體最佳化

     

     

    探索在 NVIDIA GPU 上使用 CUDA C/C++ 編寫記憶體最佳化的程式技術,以及如何使用 NVIDIA 視覺分析工具 (NVIDIA Visual Profiler, NVVP) 支援這些最佳化技術。

    必備基礎能力:「運用 CUDA C/C++ 加速應用程式」或類似經驗

    技術:CUDA C/C++, NVVP

    時間:2 小時

    價錢:30 美元(不含稅)

  • 透過使用 CUDA C/C++ 的 GPU 函示庫加速應用程式

    瞭解如何運用置入式程式庫操控 NVIDIA GPU 進行大規模平行運算功能,以加速 C/C++ 應用程式。你將完成三項練習,

    必備基礎能力:「運用 CUDA C/C++ 加速應用程式」或類似經驗

    技術:C/C++, CUDA

    時間:2 小時

    價錢:30 美元(不含稅)

  • 運用 Thrust 加速 C++

    Thrust 是大致上採用 C++ 標準樣板程式庫的平行演算法程式庫。Thrust 可以讓開發人員快速採用平行運算的功能,並支援多種系統後端如 OpenMP 與 Intel 的執行緒建置組塊。透過以下項目的相關練習,學習如何使用 Thrust 加速 C++:

    必備基礎能力:「運用 CUDA C/C++ 加速應用程式」或類似經驗

    技術:C/C++, Thrust

    時間:2 小時

    價錢:30 美元(不含稅)

加速資料科學課程

  • 透過 RAPIDS 加速資料科學基礎課程

    RAPIDS 是資料科學函式庫的集合,可為端對端的資料科學工作流程提供 GPU 加速。在本課程中,

    必備基礎能力:Python 程式經驗,有 Pandas 與 NumPy 經驗尤佳

    技術:RAPIDS、NumPy、XGBoost、DBSCAN、K-Means、SSSP、Python

    時間:6 小時

    價錢:90 美元(不含稅)

  • 透過 RAPIDS 加速資料科學工作流程

    開放原始碼的 RAPIDS 專案讓資料科學家能從頭到尾以 GPU 加速他們的資料科學和資料分析應用程式,創造大幅提升效能和技能的可能性,是傳統僅使用 CPU 的工作流程所不能及。

    必備基礎能力:Pandas、NumPy 與 scikit-learn 的進階能力

    技術:

    時間:2 小時

    價錢:30 美元(不含稅)

IT 專業人員的 AI 課程

  • 在資料中心導入人工智慧

    探索有關 AI、GPU 運算、NVIDIA AI 應用軟體架構,以及如何在資料中心中實現和擴展 AI 工作負載。你將了解 AI 如何翻轉這個社會,以及如何將 GPU 運算部署到資料中心以促進這種轉變。

    必備基礎能力:企業網路、儲存以及資料中心營運等基本知識

    技術:人工智慧、機器學習、深度學習、GPU 硬體與軟體架構

    時間:4 小時

    價錢:30 美元(不含稅)

合作夥伴線上訓練課程

DLI 與頂尖教育組織合作,將深度學習訓練推廣給世界各地的開發者與資料科學家。

即將舉辦的 DLI 實作坊

在 NVIDIA 深度學習實作坊參與實作訓練,與專家交流、結識同儕。以下是即將舉辦的實作坊:

DLI 進階研習營 | 台北 | 2020 年 3 月 12-13 日

於 GTC SV 大會舉辦的 DLI 訓練 | 美國矽谷 | 2020 年 3 月 22 日

即將舉辦的講師主持實作坊

DLI 在世界各地的會議和大學提供公開的講師主持實作坊。請檢視以下時程表來尋找你附近的實作坊

若有大型團隊或自學者對於面授訓練感興趣,我們推薦由 DLI 認證講師主持的全天實作坊。你可以為你的團隊申請現場全天實作坊,或參加全球各地 NVIDIA GPU 技術大會 (GTC) 的全天實作坊。你可以透過 DLI,在雲端上存取全面設定完成的 GPU 加速伺服器,藉此獲得工作所需的實際技能,並有機會取得相關領域的能力認證

課程結束後可進行線上測驗,通過後可取得電子認證證書。

深度學習實作坊

深度學習基礎課程

  • 電腦視覺的深度學習基本原理  

    探索深度學習的基本原理,透過訓練神經網路並使用訓練結果改善效能與功能。

    在這門課程中,你將透過訓練和部署神經網路來瞭解深度學習的基本概念。你將學會:

    • 實作常用的深度學習工作流程,如: 圖像分類和物體偵測
    • 透過資料、訓練參數、網路架構等策略進行實驗以改善效能與功能
    • 部署你的神經網路,開始解決現實世界的問題

    完成之後,你便能獨立開始使用深度學習解決問題。

    必備基礎能力:熟悉基礎程式設計原理,例如函數和變數

    技術:Caffe、DIGITS

  • 多重資料類型適用的深度學習基本原理 

    這門課程將帶你探索如何結合卷積和遞歸神經網路,為影像與影片中的內容產生有效的說明。

    瞭解如何使用 TensorFlow 和 Microsoft Common Objects in Context (Microsoft 物體內容辨識) (COCO) 資料集訓練網路,產生影像與影片的標題,方法為:

    • 實作影像分割和文字產生等深度學習工作流程
    • 比較和對照資料類型、工作流程和架構
    • 結合電腦視覺和自然語言處理

    完成本課程後,你將能解決需要輸入多重資料類型的深度學習問題。

    必備基礎能力:熟悉基礎 Python (函數和變數) 並具備訓練神經網路的經驗。

    技術:TensorFlow

  • 運用於自然語言處理的深度學習基本原理 

    學習最新的深度學習技術,以瞭解如何使用自然語言處理 (NLP) 進行文本結構資料型式的處理。你將學會:

    • 將文字轉換成機器能夠理解的表現形式與其經典做法
    • 實作分散式表示法 (內嵌) 並瞭解其性質與好處
    • 訓練機器翻譯,從一個語言譯為另一個語言

    完成後,你將專精使用 NLP,並能在其他類似用途上應用內嵌技術。

    必備基礎能力:神經網路和 Python 程式編寫基礎概念並熟悉語言學

    技術:TensorFlow、Keras

  • 多 GPU 深度學習基本原理 

    自動駕駛車等人工智慧應用程式的深度神經網路需要有龐大的運算能力。使用單一 GPU 可能需要花上數週才能完成單一訓練循環,若要訓練像是運用於自駕車研究的較大型資料集,甚至得花上數年才能完成模型訓練。多 GPU 技術可以大幅縮短訓練大量資料所需的時間,讓使用者可以利用深度學習解決複雜問題。

    此課程教你如何運用多 GPU 技術訓練神經網路。你將學到:

    • 多 GPU 訓練方法
    • 大型訓練會碰上的演算法與工程挑戰
    • 利用重要工程技術應對大規模運算的任務,並克服上述挑戰的重要技術

    完成課程後,你便能使用 TensorFlow 有效平行化深度神經網路訓練。

    必備基礎能力:隨機梯度下降機制、網路架構和平行運算學習經驗

    技術:TensorFlow

各產業的深度學習實作坊

  • 運用於自駕車的深度學習技術: 認知

    學習如何使用 NVIDIA DRIVE™ 開發平台設計、訓練和部署自駕車適用的深度神經網路。

    你將學到:

    • 在 NVIDIA DRIVE AGX™ 系統上運用 CUDA® 程式碼、記憶體管理技術和 GPU 加速
    • 訓練語意分割神經網路
    • 使用 NVIDIA® TensorRT™ 最佳化、驗證和部署經過訓練的神經網路

    完成本課程後,你將能夠使用 NVIDIA DRIVE 建立並最佳化自駕車的認知元件。

    必備基礎能力:CNN 與 C++ 的經驗

    技術:TensorFlow、TensorRT、Python、CUDA C++、DIGITS

  • 運用自動編碼器進行數位內容創作的深度學習技術

    探索設計、訓練和部署神經網路用以數位內容創作的最新技術。你將學會:

    • 利用神經網路架構上的創新技術與訓練技巧來完成對任意的影片風格轉換
    • 訓練自己的降噪器,用於已渲染的影像
    • 使用超解析度人工智慧將影像提升解析度

    完成本課程後,你將能夠開始使用深度學習方法建立數位資產。

    必備基礎能力:對深度學習概念例如卷積神經網路 (CNN) 有基礎理解,並具備 Python 程式設計語言經驗

    技術:Torch、TensorFlow

  • 運用深度學習進行醫療影像分析

    本課程帶你探索如何將卷積神經網路 (CNN) 應用至 MRI 掃描,以便執行各種醫療任務及計算。你將學會:

    • 對 MRI 影像執行圖像分割,以確定左心室的位置
    • 透過將 CNN 應用至 MRI 影像以檢測心臟疾病,透過測量舒張壓及收縮壓之間的差異來計算左心室射出率
    • 將 CNN 應用至低惡性度膠質細胞瘤 (low-grade gliomas, LGG) 的 MRI 掃描,判斷 1p/19q 染色體聯合缺失的狀態

    完成本課程後,你就能將 CNN 應用至 MRI 掃描,以執行各種醫療任務。

    必備基礎能力:對深度神經網路有基礎理解,並具備 Python 或是類似語言的基礎編碼經驗

    技術:R、MXNet、TensorFlow、Caffe、DIGITS

  • 運用深度學習進行工業檢查

    探索如何建立深度學習模型,以使用實際的生產資料集自動驗證 NVIDIA 印刷電路板 (PCB) 中的電容。這可以降低驗證成本,並提高各種製造業應用案例的生產輸送量。你將學到:

    •  使用 Pandas DataFrame 和 NumPy 函式庫,從提供的資料集中找出有意義的見解
    •  將轉移學習應用於 InceptionV3 的深度學習分類模型
    • 使用 TensorRT 5 將 V100 GPU 上經過訓練的 InceptionV3 模型最佳化
    • 使用 V100 的 Tensor 核心對 FP16 半精度快速推論進行實驗

    完成後,你將能夠針對硬體加速的工業檢查流程加以設計、訓練、測試和部署。

    必備基礎能力:熟悉基礎 Python (函數和變數) 並具備訓練神經網路的經驗。

    技術:TensorFlow

  • 運用於智慧影片分析的深度學習技術

    由於交通攝影機日益增加、自駕車蓬勃發展和智慧城市的前景可期,對於更快速及更有效率的物件偵測與追蹤模型的需求也逐漸提高。這包含在影片畫面中辨識、追蹤、分割和預測不同類型的物件。

    在本實作坊中,你將學習:

    • 使用硬體加速解碼方法,有效率地處理和準備影片內容
    • 訓練和評估深度學習模型,並運用「轉移學習」技術來提升這些模型的效率和準確性,以減少資料匱乏的問題
    • 探索研發高品質神經網路模型所需的策略與平衡,以追蹤龐大影片資料集中的移動物體
    • 取得 DeepStream SDK 以最佳化和部署影片分析推論引擎

    完成後,你就能利用停車場攝影機所蒐集的內容,設計、訓練、測試和部署硬體加速交通管理系統的建置組塊。

    必備基礎能力:神經網路和 Python 程式編寫基礎概念並熟悉語言學

    技術:TensorFlow、Keras

  • 機器人深度學習

    人工智慧顛覆了各種不同產業的機器人技術加速與開發。探索如何運用嵌入式應用程式 – Jetson 創建機器人解決方案。你將學習:

    • 應用電腦視覺模型進行偵測
    • 精簡與最佳化嵌入式應用程式模型
    • 根據視覺輸入訓練機器人,以提供正確的輸出

    完成後,你將瞭解如何部署適用於機器人技術的高效能深度學習應用程式。

    必備基礎能力:隨機梯度下降機制、網路架構和平行運算學習經驗

    技術:TensorFlow

  • 適用於偵測異常狀況的人工智慧應用

    全世界透過電信基礎架構傳遞的資訊量,使其成為人類所建立最複雜和瞬息萬變的系統之一。在本實作坊中,你將實作多個人工智慧解決方案來解決重要的電信問題,例如辨識網路入侵。

    你將學會:

    • 實作三種不同的異常偵測技術: 加速 XGBoost、深度學習自動編碼器和生成對抗網路 (GAN)
    • 打造並比較監督式學習與非監督式學習解決方案
    • 討論你所在的產業中可能受益於現代運算方法的其他使用案例

    完成後,你就能使用監督式與非監督式機器學習,偵測大型資料集中的異常狀況。

    必備基礎能力:CNN 與 Python 的經驗

    技術:RAPIDS、Keras、GAN、XGBoost

  • 適用於預測性維護的人工智慧應用

    瞭解如何辨識時間序列資料中的異常和故障狀況、預估對應零件的剩餘使用年限,並利用這份資訊將異常狀況與故障條件互相對應。

    你將學會:

    • 運用預測性維護來管理故障並避免代價高昂的意外停機時間
    • 辨識異常狀況時可能導致代價高昂的故障的主要挑戰
    • 使用時間序列資料預測以及利用 XGBoost 機器學習分類模型的結果
    • 藉由使用長短期記憶體 (LSTM) 模型導入預測性維護程序,以預測裝置故障
    • 藉由使用前一步驟的時間序列以自動編碼器偵測異常狀況

    完成後,你將瞭解如何使用人工智慧預測設備狀況,並預估執行維護的時間。

    必備基礎能力:Python 與深度神經網路的經驗

    技術:TensorFlow、Keras

加速運算實作坊

  • 運用 CUDA C/C++ 加速運算的基本原理

    CUDA 運算平台能夠在全球最快速的大型平行運算 GPU 上 加速僅使用 CPU 的應用程式。體驗 C/C++ 應用程式 加速方式:

    • 在 GPU 上加速 CPU 程式中潛在的平行運算
    • 運用必要的 CUDA 記憶體管理技術將加速的 應用程式最佳化
    • 找到加速應用程式的並行潛能,並透過 CUDA 串流加以利用
    • 運用命令列和影像分析來指引和檢查你的作品

    在完成本課程後,你將能夠使用最重要的 CUDA 工具和技術, 將現有僅使用 CPU 的 C/C++ 應用程式加速並最佳化。你將瞭解 CUDA 開發的迭代風格如何讓你可以快速推出加速 應用程式。

    必備基礎能力:基礎 C/C++ 專長能力並熟悉變數類型、迴圈、條件陳述式、函數和陣列操作。

    技術:C/C++、CUDA

  • CUDA Python 加速運算的基本原理

    本課程帶領你探索如何即時運用特殊化類型的 Python 函數編譯器 Numba,以在大型平行 NVIDIA GPU 上加速執行 Python 程式。你將學會:

    • 透過 NumPy 通用函數 (ufuncs) 使用 Numba 編譯 CUDA 核心
    • 使用 Numba 建立並啟動自訂 CUDA 核心
    • 應用關鍵 GPU 記憶體管理技術

    完成本課程後,你將能夠使用 Numba 編譯並啟動 CUDA 核心,以加速 NVIDIA GPU 上的 Python 應用程式。

    必備基礎能力:基礎 Python 專長能力並熟悉變數類型、迴圈、條件陳述式、函數和陣列操作。NumPy 專長能力,包括使用多維陣列 (ndarray) 和通用函數 (ufunc)。

    技術:CUDA、Python、Numba、NumPy

加速資料科學實作坊

  • 透過 RAPIDS 加速資料科學基礎課程

    RAPIDS 是資料科學函式庫的集合,可為端對端的資料科學工作流程提供 GPU 加速。在本課程中,你將學會:

    • 利用 cuDF 與 Dask 直接在 GPU 上擷取和處理大量的資料集
    • 應用包括 XGBoost、cuGRAPH 和 cuML 等各種 GPU 加速的機器學習演算法來執行大規模的資料分析
    • 對大量資料集執行多項分析任務,以防止模擬流行疾病在英國爆發

    完成後,你就能比以往更快速載入、處理與分析多數量級的資料,從而實現更多的迭代周期並大大提高生產率。

    必備基礎能力:Python 程式經驗,Pandas 與 NumPy 經驗尤佳

    技術:RAPIDS、NumPy、XGBoost、DBSCAN、K-Means、SSSP、Python

企業解決方案

如果你對更全面的企業訓練感興趣,DLI 企業解決方案提供符合 貴組織需求的系列訓練與課程。從線上實作與現場訓練,到執行簡報與企業級報告,DLI 可以協助你的公司轉型為運用人工智慧技術的組織。如欲深入瞭解相關資訊,請聯絡我們。

即將舉辦的 DLI 實作坊

在 NVIDIA 深度學習實作坊參與實作訓練,與專家交流、結識同儕。以下是即將舉辦的實作坊:

DLI 進階研習營 | 台北 | 2020 年 3 月 12-13 日

於 GTC SV 大會舉辦的 DLI 訓練 | 美國矽谷 | 2020 年 3 月 22 日

NVIDIA DLI 為大學教職員提供可下載的課程材料,並透過 DLI 教學套件為學生提供可自行安排進度的免費線上訓練課程。教職員還可透過校園大使計畫 (University Ambassador Program) 取得認證,在校園內提供 DLI 實作坊。

教學套件

符合資格的大學教職員如果對深度學習、加速運算,與機器人技術課程解決方案感興趣,都可以使用 DLI 教學套件。教職員也可以將課程材料、實作課程、GPU 雲資源與更多內容整合至課程中。

使用 NVIDIA 教學套件強化課程內容

校園大使計畫

DLI 校園大使計畫 (University Ambassador Program) 會為符合資格的講師提供認證,以免費為大學教職員、學生和研究人員主持 DLI 實作坊。我們也鼓勵教職員下載 DLI 教學套件,以符合大使計畫的參與資格。

拓展教育的領域

DLI 的認證校園大使遍布數百間大學,包括:

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