语言 :
线上或线下授课 | 实时培训 | GPU 实验环境 | NVIDIA 证书
随时随地访问完全配置的 GPU 云平台，按照课件中的详细指导进行自主学习和开发练习，您可以选择 2 或 4 学时课程来提升专项技能，或者通过 8 学时课程获取端到端的项目开发经验和 NVIDIA 官方培训证书，为您的能力和职业发展提供专业证明。课件均可以长期访问，且多次实验练习。
如果您的组织机构希望快速发展或提升在 AI、加速计算或加速数据科学方面的技能和经验，可以申请有讲师实时授课的培训班。所有讲师为经过 DLI 认证的各领域专家，将传授先进的技术和实践方案，引导学员在完全配置的 GPU 服务器上亲自开发实战，和答疑解惑。学员将获得全球通行的 NVIDIA 培训证书，并在课后继续回顾课件和实验环境。
随着对拥有 AI 技能的毕业生的需求日益增加，NVIDIA 深度学习培训中心（DLI）提供各种资源，您可以使用完全配置的软硬件一体的 GPU 实验平台，获取多个主题的教学教材，帮助您轻松丰富教学内容和形式，为学生提供深度学习、加速计算、数据科学和机器人等领域的专业技能和实践经验。
丽台科技CTO。研究领域包括VoIP，云计算，虚拟化，大数据，深度学习等。致力于GPU产品、方案及软件开发、深度学习技术应用推广，构建GPU解决方案生态系统。有多年相关开发与实践经验。
英伟达深度学习培训中心认证讲师，通过“理论与实践入门”，“多数据类型”，“CUDA C/C++” “用多GPU训练神经网络”讲师认证。
DLI培训经历：教授数十场校园公开课、社会公开课及行业公开课，教授多种DLI培训主题。理论基础扎实，项目经验丰富令学员反馈满意度较高。
丽台科技资深GPU软件架构师。研究领域：深度学习、数字图像处理、加速计算。精通CUDA开发、调试、优化、主流GPU加速软件GROMACS、NAMD、AMBER、LAMMPS、ESPRESSO等。有多年相关项目开发与实践经验。 英伟达深度学习培训中心认证讲师，通过 “加速计算高阶 —— 将 CUDA C++ 应用扩展至多节点 GPU”，“理论与实践入门”，“多数据类型”，“CUDA C/C++” “用多GPU训练神经网络 ”，“CUDA Python”，“用多GPU加速CUDA C++应用”讲师认证。
DLI培训经历：教授近百场企业内训（涉及互联网、AUTO、能源、金融行业）、社会公开课及校园公开课，教授多种DLI培训主题。培训经验丰富，理论知识详尽令学员反馈满意度较高。
资深GPU软件架构师。研究领域：模式识别与智能交通系统、加速计算。精通CUDA开发和优化，熟悉代码移植，具备金融等领域的GPU应用移植经验。熟悉Tesla产品相关技术及专业解决方案，熟悉Caffe、TensorFlow、Torch等深度学习框架。 英伟达深度学习培训中心认证讲师，通过“理论与实践入门”，“CUDA C/C++” 讲师认证。
DLI培训经历：教授数几十场校园公开课、行业公开课及社会公开课，教授多种DLI培训主题。理论基础扎实，项目开发经验丰富令学员反馈满意度较高。
资深GPU软件架构师。研究领域：深度学习、机器视觉、加速计算、工业检测。精通CUDA开发和优化，熟悉OpenCV, Tensorflow等多个技术框架，具备工业检测和汽车行业数字化转型软件开发管理经验。英伟达深度学习培训中心认证讲师，通过 “构建智能推荐系统”，“理论与实践入门”，“CUDA Python”等讲师认证。
DLI培训经历：教授数十场社会公开课以及企业内训，教授多种DLI培训主题。理论基础扎实，项目经验丰富令学员反馈满意度较高。
NVIDIA 认证课程：CV影像辨识、NLP自然语言处理、MDT多型态资料处理
学历与主修：台湾大学机械工程研究所博士
教学简历：
现任：丽台科技 资深产品经理
NVIDIA 认证课程：CV 影像辨识、CUDA GPU平行计算、MGPU 多GPU深度学习应用
学历与主修：淡江大学数学系硕士
教学简历：
现任：丽台科技 AI GPU 技术经理
AI行业解决方案架构师；精通人工智能解决方案；具有丰富的项目经验。
研究领域：深度学习、机器视觉、加速计算、工业检测。英伟达深度学习培训中心认证讲师，通过“深度学习理论与实践入门”、“构建基于 Transformer 的自然语言处理应用（NLP）”、“构建基于深度学习的工业检测应用”、“数据并行——用多 GPU 训练神经网络”等课程。
全球企业正在应用人工智能 (AI) 解决所面临的巨大挑战。医疗专业人员应用 AI 为病人提供更准确、更快速的诊断。零售企业应用 AI 提供个性化的客户购物体验。汽车制造商应用 AI 让私家车、共享出行和运输服务更加安全和高效。深度学习技术，通过多层人工神经网络精准地完成目标检测、语音识别和语言翻译等任务，是实现 AI 的强效方法。即便是那些让软件编写专家都觉得过于复杂和无从下手的数据，计算机都可以通过深度学习方法来从这些数据中学习和识别模式。
在此课程中，通过动手实践练习，您将学到深度学习在理论与实践入门和自然语言处理中的工作原理。您将从零开始训练深度学习模型，运用相关工具和技巧，来获得高精确度的结果。您还将学习使用免费的、先进的经过训练的模型，来大幅节省时间，快速实现深度学习应用。
学习此课程，您将能够：
预备知识：理解 Python 中的基础编程概念，如函数、循环、字典和数组
工具、库和框架：Tensorflow、Keras、Pandas、Numpy
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情在零售、娱乐、医疗、金融和其他诸多行业中，基于深度学习的推荐系统是实现个性化在线体验和有效决策的秘诀。
推荐系统的运作方式在于通过理解众多人之前的决定和其他特征，来找出用户偏好。例如，推荐系统可以根据用户的实际观影记录以及能够看懂的语种，帮助流媒体服务商了解用户偏好的电影类型。训练神经网络来泛化海量数据，快速为类似的用户和情景提供具体的建议，需要进行大量的计算。使用 GPU 可显著加速这一过程。如果企业希望提供更好的用户体验、与客户进行更深入的沟通互动，以及进行更明智的决策，则可以通过使用合理设计和训练的推荐系统来实现巨大的价值。
此课程涵盖构建高效推荐系统所需的基础工具和技巧，以及如何为实时推荐系统部署 GPU 加速的解决方案。
学习此课程，您将能够：
预备知识：具有 Python 中级知识基础，包括了解 list comprehension，具备使用 Python 的数据科学经验，熟悉 NumPy 和矩阵数学
工具、库和框架：CuDF、CuPy、TensorFlow 2 和 NVIDIA Triton™ 推理服务器
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情在过去的十年中，自然语言处理(NLP)的应用爆炸式增长。随着人工智能助手的大量出现，以及企业将更多的人机交互体验融入到业务中，理解如何使用 NLP 技术来操作、分析和生成基于文本的数据是至关重要的。现代技术可以像人类一样，捕捉语言的细微差别、使用情境和复杂程度。如果设计正确得当，开发人员可以使用这些技术来构建强大的 NLP 应用，在聊天机器人、AI 语音代理等众多程序中实现自然顺畅的人机交互。
深度学习模型在 NLP 中得到了广泛的应用，因为它们能够对众多语境和语言进行准确的概括。基于Transformer的模型，比如BERT(Bidirectional Encoder Representations from Transformers)，在问答系统的SQuAD指标、实体识别、意图识别、情感分析等方面实现了与人类基准相媲美的准确率，推动了NLP产生革命性的进展。NVIDIA 提供的软件和硬件可帮助您快速构建卓越的 NLP 模型。您可以通过混合精度训练将训练过程加速至 4.5 倍，并可在不影响准确性的情况下，轻松将性能扩展到跨多个服务器节点的多个 GPU 上。
在此课程中，您将学习如何使用基于 Transformer 的自然语言处理模型完成文本分类任务（如文档归类）和命名实体识别 (NER) 任务，以及如何分析各种模型特性、限制和特点，从而基于衡量标准和应用领域来为特定用例选定最适合的模型。
学习此课程，您将能够：
预备知识：具备 Python 编码和使用库函数与参数的经验，具备对深度学习框架（如 TensorFlow、PyTorch 或 Keras）的基本理解，具备对神经网络的基本了解
工具、库和框架：PyTorch, pandas, NVIDIA NeMo™, NVIDIA Triton™ 推理服务器
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情在驱动自动驾驶汽车等 AI 应用方面，人们对于深度神经网络存在着巨大的计算需求。使用单个 GPU 进行的一个训练周期需耗费数周时间，而对于自动驾驶汽车研究等领域所用的更大数据集，该周期甚至长达数年。使用多个 GPU 进行深度学习能够显著缩短训练大量数据所需的时间，从而为深度学习中的复杂问题提供了可行的解决方案。
本课程将教您如何使用多个 GPU 来训练神经网络。您将了解到：
完成本课程后，您将能够使用 TensorFlow 十分有效地并行训练深度神经网络。
预备知识：具有训练梯度下降模型的经验
工具、库和框架：Tensorflow，Keras, Horovo
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情随着世界不断向数字化发展，对话式 AI 越来越多地用于促进人机之间的通信。对话式 AI 为信息自动收发和语音应用程序提供技术支撑，被广泛应用于各行各业，以提升整体客户体验和客户服务效率。
如果从零开始，会话式 AI 应用的开发非常复杂和昂贵。在本课程中，您将学习如何使用 NVIDIA Jarvis 框架构建对话式 AI 应用。Jarvis 提供了完整的 GPU 加速的软件堆栈，让开发者可以快速轻松地创建、部署和运行端到端、实时的对话式 AI 应用程序，这些应用程序能够理解各公司及其客户特有的术语。Jarvis 框架包括预先训练的对话式 AI 模型、工具和优化服务，可用于语音、视觉和自然语言理解 (NLU) 任务。通过 Jarvis，开发人员可以创建定制的基于语言的 AI 服务，比如虚拟智能助理、虚拟客户服务代理、实时转录、区分对话中不同的讲话者和聊天机器人等。
在此课程中，您将学习如何使用实时转录和自然语言处理 (NLP) 技术，快速构建和部署产品级的对话式 AI 应用程序。把 NVIDIA Jarvis 自动语音识别 (ASR) 和命名实体识别 (NER) 模型与基于 Web 的应用程序相集成，对输入的音频生成文本，并且能够高亮显示。然后，使用 NVIDIA 迁移学习工具包 (TLT) 定制 NER 模型，从而根据不同的针对性进行高亮显示。最后，您将探索采用 Helm 图表和 Kubernetes 集群的 Jarvis 服务的生产级部署性能，以及扩展注意事项。
参加本次培训，您将学习到：
预备知识：基本的 Python 编程经验，基本了解深度学习框架（比如 TensorFlow、PyTorch 或 Keras），基本了解神经网络
工具、库和框架：NVIDIA Jarvis、NVIDIA 迁移学习工具包、Kubernetes
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：英文
课程详情当您的企业需要监控网络安全威胁、欺诈性财务交易、产品缺陷或者设备健康状况时，人工智能（AI）可以帮助在这些异常状况影响您的业务之前，从数据中捕获它们。 本课程以电信行业为例。全球电信基础架构中运行着大量的信息，成为人类有史以来构建的最复杂、最动态的系统之一。您将学习如何应用多种基于AI的方法来解决一个特定的问题，即识别对电信网络的入侵。
您将学到：
完成本课程后，您将能够使用监督和非监督机器学习在大型数据集中检测异常，进而将基于 AI 的异常检测方法，用于电信、网络安全、金融、制造业和其他诸多行业。
预备知识：具有使用Python的专业数据科学经验，训练深度神经网络的经验。
工具、库和框架：NVIDIA RAPIDS™, XGBoost, TensorFlow, Keras, pandas, 自编码器, GANs, 机器学习, 人工智能, RAPIDS, Keras, GANs, XGBoost
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情学习如何在时间序列数据中识别异常和故障，预估相应部分的剩余使用寿命，并用这些信息来将不同的异常情况匹配到具体的失效状态，从而实现预见性维护。
在本课程中，您将学习：
完成本课程后，您将能够使用监督和非监督机器学习在大型数据集中检测异常。
预备知识：具有Python经验， 基本了解数据处理和深度学习。
工具、库和框架：Python, TensorFlow, Keras, XGBoost, NVIDIA RAPIDS™, cuDF, LSTM,自编码器, 人工智能, 深度学习
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情探索如何使用来自生产线的真实的数据集构建深度学习模型，用于自动检测印刷电路板（PCB）上的电容器。 这可以帮助制造业降低检测成本并提高生产效率。
您将学习如何：
完成本课程后，您将能够设计、训练、测试和部署通过硬件加速的工业检测模型。
预备知识：熟悉 Python 和卷积神经网络(CNNs)
工具、库和框架：TensorFlow, NVIDIA TensorRT™, Keras
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情学习如何使用最基本的 CUDA 技术和 Nsight Systems Profiler，来加速和优化现有的仅支持 CPU 的C / C ++ 应用程序，以利用 GPU 并行计算的强大功效。
您将学习如何：
完成本课程后，您将能够使用最基本的 CUDA 技术和 Nsight Systems，加速和优化现有的仅靠 CPU 驱动的 C/C++ 应用程序。您将了解 CUDA 开发的迭代风格，这可助您快速发布加速应用程序。
预备知识：基本的 C/C++ 编程能力，包括熟悉变量类型、循环、条件语句、函数和数组操作。无需预先了解CUDA编程。
工具、库和框架：C/C++, CUDA, Nsight Systems
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情探讨如何使用 Numba（即时，专用类型的 Python 函数编译器）在 NVIDIA 大规模并行运算的 GPU 上加速 Python 应用程序。
您将学习如何 ：
完成本课程后，您将能够使用Numba编译并启动 CUDA 内核，以加速 NVIDIA GPU上的 Python 应用程序。
预备知识：基本的 Python 编程能力，包括熟悉变量类型、循环、条件语句、函数和数组操作。使用 NumPy 的能力，包括使用 ndarrays 和 ufuncs。
工具、库和框架：CUDA, Python, Numba, NumPy
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情本课程包含如何编写CUDA C++ 应用程序，正确且有效地使用单一节点中的所有 GPU ，实现大幅提升应用程序性能，发挥多 GPU 系统的最佳经济效益。
完成本课程后，您将能够了解 ：
预备知识：
1. 具有专业 CUDA C/ C++ 编程经验。
2. 熟悉Linux命令行。
3. 具有用 Makefiles 编译 C/ C++ 代码经验
工具、库和框架：CUDA C++, NVCC, Nsight
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情在本课程中，您将学习可以有效地将CUDA C++ 应用程序扩展到 NVIDIA GPU 集群上所需的工具和技术。您将通过在交互式的由多个 NVIDIA GPU 支持的云环境中编写多个 CUDA C++ 应用程序的代码来实现此目的。
完成本课程后，您将能够了解 ：
预备知识：
具有专业 CUDA C/ C++ 编程经验
工具、库和框架：CUDA, MPI, NVSHMEM
应用领域：所有行业
提供认证证书：学习完成后，通过在线测试，系统将自动发放证书
语言：中文
课程详情| # | 中文课程名称 | 时长 |
|---|---|---|
| 1 | 深度学习基础 -- 理论与实践入门 | 每课8学时 (一天线上直播 09:00 - 17:00) |
| 2 | 构建智能推荐系统 | |
| 3 | 数据并行 —— 用多 GPU 训练神经网络 | |
| 4 | 加速计算基础 —— CUDA C/C++ | |
| 5 | 加速计算进阶 —— 用多 GPU 加速 CUDA C++ 应用 | |
| 6 | 加速计算基础 —— CUDA Python | |
| 7 | 加速计算高阶 —— 将 CUDA C++ 应用扩展至多节点 GPU | |
| 8 | 构建基于深度学习的工业检测应用 | |
| 9 | 构建基于 Transformer 的自然语言处理应用（NLP） |
未来展望
