真实应用场景、实时GPU开发环境、全球培训证书
NVIDIA 深度学习学院 (DLI) 提供 AI 、加速计算和加速数据科学方面的应用开发实践培训，以期解决实际应用方面的问题。基于云端 GPU 平台，开发者、数据科学家、研究人员和院校师生可以获取和丰富相关的实践经验，并获得全球开发者培训证书，为职业发展提供有力证明。
个人学习可以从“在线自主培训”开始。团体或企业培训可以从“讲师指导的培训班”开始学习。DLI 同时为大学师生提供更多的培训资源和支持。
所有课程可以长期、多次、反复学习和实验。
对于个人、或少数人员规模的团队，可以从在线自主培训开始学习。通过在云端GPU平台上的动手实践培训，您将能够获得可用于工作中的实用技能，并获得培训证书。此外，您还可以查看和参加即将公开举办的DLI讲师指导的培训班。
随时随地访问完全配置的GPU云服务器、按照课件中的详细指导进行自主学习和动手实践。您可以选择8小时的课程来实施和部署端到端的应用项目，或者选择2小时的课程来学习特定技术的应用。大多数8小时的课程含有培训证书，可以助力您的职业发展。
如果您刚开始接触深度学习，请从通用基础课程开始，学习如何训练和部署神经网络来解决实际问题。掌握这些深度学习的基本知识和经验，将有助于您学习更高阶、特定行业应用的 DLI 培训。
预备知识: 熟悉编程基础知识，如函数和变量
框架： Caffe，DIGITS
Assessment Type: Code-based
课程时长： 8 小时
语言: 中文
价格: 90 美元
提供认证证书：学习完成后，通过在线测试，系统将自动发送证书
通过训练神经网络和利用训练成果提升性能和能力，探索深度学习的基础原理。
在本课程中，您将亲手训练和部署神经网络，从而了解深度学习的基础知识，将学习如何：
完成本课程后，您将能够利用深度学习来解决现实中的问题。
预备知识: 基本了解 Python（有帮助但非必须条件）
工具、库、框架: PyTorch，Jetson Nano
课程时长: 8 小时
价格: 免费
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
您想开发AI应用，但还不知道怎么做么？其实，这可以比您想象的要更加容易。无论是专业人士、研究人员还是学生和AI爱好者，NVIDIA 都可以提供不同的工具、灵感和指导。
Jetson Nano Developer Kit —— 这是一款易于使用且功能强大的迷你AI计算机，能够同时并行运行多个神经网络应用，例如图像分类，目标检测，分割和自然语言处理等。在本课程中，您将使用Jupyter iPython notebook，在自己的 Jetson Nano 上基于机器视觉模型来构建深度学习分类应用。
您将学习如何：
完成后，您将能够在 Jetson Nano 上创建自己的深度学习分类和回归模型。
所需的硬件：
预备知识: 无
框架: Caffe (DIGITS 界面)
课程时长: 2 小时
价格: 30 美元
深度学习提供全新的解决方案，用从示例中学习到的模型来替换手写代码指令。本课程将通过以下方式训练深度神经网络以识别手写数字：
完成本课程后，您将能够评估应该使用哪些数据进行训练。
预备知识: 神经网络基础知识经验
通过检测航空图像中鲸鱼的面部，来学习如何应用深度学习进行目标检测。
完成本课程后，您将能够用深度学习来解决实际应用中的问题。
预备知识: TensorFlow 和 Python 应用经验
框架: TensorFlow, Python, TensorRT (TF-TRT)
学习使用内置TensorRT库(TF-TRT)和Python在TensorFlow平台中生成高性能深度学习模型的基础知识
将探索:
完成本课程之后，您将了解如何利用 TF-TRT 来实现可部署的优化模型。
预备知识:Pytho n编程能力和在 Python 中训练深度学习模型的专业经验
工具、库、框架:Horovod, TensorFlow, Keras
框架: TensorFlow
语言: 英文
学习使用优步（Uber）构建的开源分布式训练框架Horovod，将深度学习训练扩展到多个GPU上。您将：
完成本课程后，您将能够使用Horovod在新的或现有的代码库中有效地扩展深度学习的模型训练。
图像（或语义）分割是将图像的每个像素放置到特定类中的任务。学习如何用核磁共振成像来测量心脏的部分：
完成本课程后，您将能够使用深度学习来建立大多数计算机视觉工作流程。
框架: Caffe, DIGITS
深度神经网络比人类更擅长图像分类，这一事实超出了我们对计算机视觉的通常认知。在此实验中，您将把射频 (RF) 信号转换为图像，以检测被噪音破坏的弱信号。您将学习：
完成本课程后，您将能够使用深度学习对图像和类图像数据进行分类。
预备知识: CNN 基础知识经验
框架: Torch
学习通过提取视觉特征，将一张图片的风格转移到另一张图片上。了解卷积神经网络如何提取特征，以及如何利用这些特征生成一个新的图片。您将学到：
完成本课程后，您将能够使用神经网络进行任意的特征迁移。这种快速的迁移技术，还可以应用到视频中。
学习如何利用带有自编码器的神经网络，来显著提升光线追踪图像的降噪速度。在这堂课中，将学到：
完成本课程后，将能够使用神经网络中的自编码器来训练您自己的图像渲染的降噪器。
框架: Keras
运用带有自编码器的神经网络，将低画质源图像生成高画质图像。在本次课程中，您将：
完成实验后，您将能够使用自编码器以大幅提升画质。
预备知识: 深度学习基础知识
时间递归神经网络（RNNs）允许模型基于时间序列数据做分类或预测任务，如自然语言处理、市场数据分析等等。在这个实验室里会利用 RNN 来分析病人的长期健康状况，通过这个实验，您可以学习：
完成本课程后，您可以使用RNN来构建基于时间序列数据的模型。
预备知识: Python 应用经验
框架: PyTorch
语言: 英文, 中文
了解深度学习在放射学和医学成像领域的应用介绍。 您将学习如何：
完成本课程后，您将能够应用 CNN 在医学影像数据集中实现图像分类。
预备知识: CNN 和Python 基础知识经验
医学数据集对深度学习的应用提出了特殊的挑战。 您将在本课程中学习：
完成本课程后，您将能够将简单的数据处理技术应用于您的医学影像数据集。
预备知识: CNN 和 Python 基础知识
框架: DIGITS, Caffe
图像（或语义）分割是将图像的每个像素放置到特定类中的任务。您将用核磁共振成像来测量心脏的部分：
在梅奥医院应用这项技术后，我们发现使用深度学习技术从 MRI 影像中检测放射组的方法已经为脑瘤患者提供了更有效的治疗，并改善了他们的健康状况。通过以下方法学习检测 1p19q 联合缺失生物标记：
完成本课程后，您将能够以独特视角去看待使用深度学习预测影像组所带来的全新卓越成效。
框架: MXNet
卷积神经网络 (CNN) 可用于医学影像分析，以根据非视觉图像推断患者的病情。学习如何训练 CNN ，根据 MRI 时间序列数据推理人类心脏左心室的容积。您将学习：
完成本课程后，您将了解如何使用 CNN 处理非视觉图像。
生成式对抗网络 (GAN) 是一对深度神经网络，包括一个可基于所给数据创建新示例的生成器和一个试图区分真实数据与模拟数据的判别器。由于这两种网络互相促进，因而创建的示例会越来越真实。这项技术在医疗保健领域具有十分广阔的应用前景，因为它可以扩大较小的数据集，以便训练传统网络。您将学习如何：
完成本课程后，您将能够在医学成像用例中应用 GAN。
由粗到细的上下文记忆 (CFCM) 是一项专为图像分割开发的技术，该技术采用极深的网络架构，并能通过卷积长短期记忆 (LSTM) 机制集成多种不同尺度的特征。您将能够：
完成本课程后，您将能够在医学影像分割和类似的成像任务中应用 CFCM 技术。
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。无需具备前期 CUDA 编程知识。
CUDA 计算平台能够加速仅适用于 CPU 的应用程序，以在世界上最快的大规模并行 GPU 上运行。 通过以下方式体验 C/C++应用加速：
完成本课程后，您将能够使用最基本的 CUDA 工具和技术，加速和优化仅适用于 CPU 的 C/C++应用程序。您将了解 CUDA 开发的迭代风格，这将允许您快速发布加速应用程序。
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。
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。 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: C/C++ 基础知识经验
学习高级 GPU 编程语言 OpenACC 的基础知识。本课程适合具有部分 C/C++ 经验，且对加速应用程序性能以超越纯 CPU 编程极限感兴趣的任何人士。在本课程中，您将学习：
完成本课程后，您将能够同时使用 OpenACC、CUDA-aware MPI 和 NVIDIA 配置工具，构建和优化多 GPU 集群上的加速异构应用程序。
CUDA 计算平台，能够让很多 CPU 程序并行化运行在 GPU 上，从而实现超乎想象的加速效果。本课程中，您将从以下几方面学习如何加速 C/C++ 应用程序：
完成本课程后，您将能够利用 CUDA 优化自己的 C/C++ 程序，并获得巨大的性能提升。
预备知识:熟练使用C / C ++编程，和专业的HPC应用开发经验
工具、库、框架: Docker, Singularity, HPC Container Maker (HPCCM)
语言:英文
学习使用容器化环境开发高性能计算（HPC）应用程序，降低代码的复杂性和可移植性，从而提高开发效率。您将：
完成本课程后，您将能够快速构建和使用Docker，Singularity容器和HPCCM，以便在您的HPC应用程序中实现可移植的裸机性能。
预备知识: C/C++ 基础知识
了解如何使用 OpenACC 结合 NVIDIA GPU 的大规模并行计算能力，加速您的 C/C++ 或 Fortran 应用程序。OpenACC 是一种基于指令的计算方法，您只需要在代码中插入编译提示就可以加速您的程序，而不用自己编写加速代码。开始使用 OpenACC 加速应用程序的四步流程：
完成本课程后，您就可以使用 profile-driven 方法，快速地利用 OpenACC 指令加速您的 C/C++ 程序。
预备知识: CUDA C/C++ 基础知识经验或类似经验
探索在 NVIDIA GPU 上使用 CUDA C / C ++ 进行编程的内存优化技术，以及如何使用 NVIDIA Visual Profiler（NVVP）来支持这些优化。 您将学习如何：
完成本课程后，您将了解如何分析和改进全局和共享内存访问模式，以及如何优化 C / C ++ 的加速应用程序。
预备知识: 使用 CUDA C/C++ 加速应用程序” 课程或类似经验
学习如何使用 CUDA 优化库加速您的 C/C++ 应用程序，从而实现对 NVIDIA GPU 大规模并行能力的利用。您将完成三个练习，包括如何：
完成本课程后，您将可以在现有的仅支持CPU的 C / C ++ 程序中，利用一些支持 CUDA 的库来加速应用程序。
预备知识: 使用 CUDA C/C++ 加速应用程序” 或类似经验
Thrust 是一个基于C ++ 标准模板库的并行算法库。 它使开发人员能够快速拥有并行计算的强大功效，并支持多个系统后端，如 OpenMP 和英特尔的 Threading Building Blocks。 使用 Thrust 通过以下练习来加速 C ++：
完成本课程后，您将可以使用功能强大的 Thrust 库来加速您的C / C ++ 应用程序。
预备知识:使用 Python 的专业数据科学经验，精通 panda 和 NumPy；熟悉常用的机器学习算法，包括 XGBoost、线性回归、DBSCAN、K-Means 和 SSSP
学习如何使用 RAPIDS 在大型数据集上执行多个分析任务，RAPIDS 是一套数据科学库，能够对数据科学工作流进行端到端的 GPU 加速。在本次课程中，您将学习：
完成本课程后，您将能够比以前更快地加载、操作和分析数量级的数据，支持更多的迭代周期，并极大地提高生产率。
预备知识:具有 Pandas、NumPy 和 scikit-learn 高阶技能
框架: 无
通过开源 RAPIDS 项目，数据科学家可以用 GPU 对他们的数据科学和分析应用实现端到端的加速，突破传统的仅基于 CPU 工作流的技术限制，并可以实现巨大的性能提升。通过以下课程，学习如何用GPU加速数据科学应用程序：
完成本课程后，您将能够重构现有的仅基于 CPU 的数据科学工作负载以实现在 GPU 上更快运行，并从零开始编写加速的数据科学工作流程。
DLI与教育机构合作，为全世界的开发者提供深度学习培训。
对于较多人员规模的团队、或者希望参加现场面对面培训的个人，可以参加由DLI认证讲师指导的全天的培训班。您可以申请在自己的企业或组织机构内举办培训班，参加 NVIDIA GTC 大会期间的DLI培训，或者由 NVIDIA DLI 认证合作伙伴组织的培训班。通过在云端GPU平台上的动手实践培训，您将能够获得可用于工作或项目中的实用技能，并获得 NVIDIA 全球开发者培训证书。
在您的企业组织内，DLI可以举办讲师指导的培训班，为开发者、数据科学家、研究人员和工程师团队提供现场培训。每个全天的培训班，都将由DLI认证讲师指导，包含讲座、在云端GPU服务器上动手实践，训练和部署端到端的应用项目，并获得培训证书。
课程时长： 8小时
通过训练神经网络和利用训练成果提升性能和能力，探索深度学习的基础原理。 在本课程中，您将亲手训练和部署神经网络，从而了解深度学习的基础知识，将学习如何
预备知识: 熟悉基本的 Python（函数和变量）知识和具有训练神经网络的经验
语言: 英文, 中文, Japanese, Korean
本课程探讨如何结合卷积和递归神经网络，在图像和视频片段中生成有效的内容描述。 学习如何使用 TensorFlow 和 MSCOCO 数据集训练网络，通过以下方法从图像和视频中生成字幕：
完成本课程后，您将能够解决需要多种类型数据输入的深度学习问题。
预备知识: 神经网络基础知识和经验
框架: TensorFlow, Keras
提供培训证书：学习完成后，通过在线测试，系统将自动发送证书
学习用自然语言处理（NLP）来理解文本输入的最新的深度学习技术。您将学习如何：
完成本课程后，您将能够熟练使用类似的应用程序进行自然语言处理。
预备知识: 具备随机梯度下降力学经验
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:熟悉 C++ and Python, 应用卷积神经网络（CNN）的经验
框架:TensorFlow, Keras, TensorRT, CUDA C++, Python, DIGITS
在本课程中，您将学习如何使用 NVIDIA DRIVE AGX 开发平台为自动驾驶汽车设计、训练和部署深度神经网络。您将学习：
完成本课程后，您将能够使用 DRIVE AGX 创建和优化自动驾驶的感知组件。
预备知识:熟悉 Python 和卷积神经网络(CNNs)
工具、库、框架：TensorFlow, NVIDIA TensorRT™, Keras
评估类型： 基于代码
语言:中文
提供培训证书： 学习完成后，通过在线测试，系统将自动发送证书
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: 基本熟悉深度神经网络，Python 或类似语言基础编程经验
框架: DIGITS
AI 为各种行业的机器人技术带来了变革性的加速和发展。本课程学习如何基于 NVIDIA Jetson 创建嵌入式应用的机器人解决方案。 您将学习如何：
完成本课程后，您将了解如何在机器人上部署高性能深度学习应用程序。
预备知识: 熟悉深度学习基本概念（如 CNN）且有 Python 编程经验
框架:TensorFlow, Torch
探索用于数字内容创作的神经网络的设计、训练和部署的最新技术。您将学习:
完成本课程后，您就可以开始使用深度学习方法来创建数字资产。
预备知识: 基本熟悉深度神经网络、Python 或类似语言的基础编程经验
框架: Caffe, DIGITS, R, MXNet, TensorFlow
本动手实验课程将探讨如何在 MRI 扫描影像中应用卷积神经网络 (CNN) 执行各种医学任务和计算。您将学习如何：
完成本课程后，您将能够在 MRI 扫描中应用 CNN 执行不同的医疗医学任务。
预备知识:CNN 和 Python 使用经验
框架:RAPIDS，Keras, GANs, XGBoost
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。在本课程中，您将应用多种基于人工智能 (AI) 的解决方案，解决电信业的一个重要问题，即识别网络入侵。您将学习到:
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。
预备知识:CNN 和 Python 应用经验
框架:TensorFlow, Keras
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:
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。 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。
如果您正在寻找更全面的企业培训，DLI 企业解决方案提供了一整套培训和讲座，以满足您的企业的专属需求。从在线学习和在现场举办的动手实践培训、高管简报到企业级报告，DLI 将助力您的企业实现向 AI 的转型。联系我们了解更多。
大学老师可以申请成为 NVIDIA DLI 校园大使，为在校师生免费教授DLI培训班课程。还可以下载 NVIDIA 教学套件，轻松扩展您的大学课程素材，及免费获取 DLI 在线自主培训资源。
经过认证的大学老师将成为DLI校园大使，将可以面向在校师生免费使用 DLI 课程资源、教授 DLI培训。
DLI 校园大使已经遍布全球百余所大学，包含：
DLI 教学套件为大学老师提供课程方案，包含深度学习、加速计算和机器人三个主题。您可以轻松地将讲课材料、实践课程和 GPU 云资源等整合到课程体系中。
DLI 与行业合作伙伴一起在全球各地提供 DLI 课程和讲师指导的培训班
DLI 条款和条件 >
