大會實作訓練

透過在 GTC 參與由講師主持的訓練課程,拓展並增進您的實作技能。

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,協助開發人員、資料科學家及其他專家解決最具挑戰性的難題。這些深度實作坊由各領域專家講授,提供領先業界的技術知識,為個人和組織帶來突破性成果。完成全天實作坊後,便可取得 NVIDIA DLI 認證,證明您具備該主題的技術能力,並有助於加速職涯成長。

為什麼要選擇 NVIDIA 由講師主持的實作訓練?

DLI 認證 講師

DLI 認證講師

向各領域的專家學習。利用分組討論與其他學員協作,並與講師交流互動。

取得 技術專業知識

取得技術專業知識

向一群熱衷於設計最新技術趨勢相關課程的業界專家學習。

符合業界標準的工具和深度學習框架

符合業界標準的工具和深度學習框架

取得最廣泛使用且符合業界標準的軟體、工具和深度學習框架進行實作體驗。

應用程式 跨產業

應用程式跨產業

學習為醫療照護、機器人、製造等產業打造深度學習、加速運算與加速資料科學應用程式。

取得 認證證書

取得認證證書

在特定課程中取得 NVIDIA 深度學習機構認證證書,證明您具備該主題的技術能力,並有助於加速職涯成長。

實際應用 案例

實際應用案例

透過與業界領導者,例如洛杉磯兒童醫院、梅約診所 (Mayo Clinic) 和 PwC 等合作設計的實作課程,瞭解實際應用案例與專業知識。

雲端上的 GPU 加速伺服器

雲端上的 GPU 加速伺服器

運用在雲端上設定完備的 GPU 加速伺服器,完成實作練習。

縮短產出時間

縮短產出時間

從 NVIDIA NGC™ 目錄取得與課程內容相同的 DLI 環境容器,藉以建立具備量產品質的解決方案。

預覽 DLI 體驗

 

NVIDIA 開發者計畫

獲得在任何 NVIDIA 技術平台上開發各式應用所需的最新工具和實作訓練。

gtc21-spring-web-topic-industry-page-join-slide-2-3c33-d
gtc21-spring-web-topic-industry-page-join-slide-3-3c33-d

加速新創發展

探索 GTC 新創議程,瞭解 NVIDIA Inception 計畫如何協助新創成長、提供世界一流的實作訓練,以及技術支援。

NVIDIA 開發人員計畫

獲得在任何 NVIDIA 技術平台上開發應用程序所需的最新工具和培訓。

加速您的新創公司

探索 GTC 新創頁面,以了解 NVIDIA Inception 如何透過市場進入支援、世界一流的訓練,以及技術支援來協助推動新創公司發展。

打造智慧推薦系統

深度學習技術的推薦系統,正是提供個人化線上體驗的秘方,也是零售、娛樂、醫療照護、金融與其他產業的強大決策支援工具。本次實作坊的內容,涵蓋了建立高效率推薦系統所需的基本工具和技術,也會說明如何部署 GPU 加速的解決方案以即時提供推薦。

參加本實作坊可學會:

  • 使用開放原始碼 cuDF 函式庫和 Apache Arrow 建立以內容為基礎的推薦系統
  • 使用交替最小平方 (ALS) 和 CuPy 建立協作式篩選推薦系統
  • 使用 TensorFlow 2 設計出兼具廣度和深度的神經網路,打造混合式推薦系統
  • 使用大型的稀疏資料集,達到最佳訓練和推論效能
  • 將推薦模型部署為具備高效能的網路服務
打造智慧推薦系統
打造以轉譯器為基礎的自然語言處理應用程式

打造以轉譯器為基礎的自然語言處理應用程式

探索如何將以轉譯器為基礎的自然語言處理模型運用於文字分類工作,例如分類文件。你將會學到如何利用以轉譯器為基礎的模型來處理命名實體識別 (NER) 工作,以及如何分析各種模型功能、限制和特性,以便依據指標、領域獨特性和可用資源,判斷何種模型最適合特定使用案例。

參加本實作坊可學會:

  • 瞭解文字內嵌如何在 NLP 工作中迅速進化,例如 Word2Vec、遞歸神經網路 (RNN) 型內嵌及轉譯器
  • 瞭解轉譯器架構功能 (尤其是自我注意力機制) 是如何用於建立語言模型,而無需 RNN
  • 使用自我監督技術提升 BERT、Megatron 和其他變體中的轉譯器架構,以達到優異的 NLP 成果 
  • 利用預先訓練的現代 NLP 模型處理多項工作,例如文字分類、NER 和問答系統
  • 管理推論挑戰,並部署即時應用程式的微調模型

運用 CUDA Python 加速運算的基本原理

本課程帶領你探索如何及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 NVIDIA(R) CUDA(R) 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,藉以加速 NVIDIA GPU 上的 Python 應用程式。
運用 CUDA Python 加速運算的基本原理
適用於預測性維護的人工智慧應用

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,並利用這份資訊對應異常狀況與故障條件。  

你將學會:

  • 運用預測性維護來管理故障狀況,並避免代價高昂的意外停機時間 >為了避免變成代價高昂的故障,在找出異常狀況時辨識主要挑戰
  • 使用時間序列資料預測利用 XGBoost 機器學習分類模型的結果
  • 透過長短期記憶體 (LSTM) 模型預測裝置故障,進而應用於預測性維護程序
  • 使用先前步驟的時間序列順序,嘗試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。