回到顶部

苏州英伟达GTC 2019 DLI培训苏州地区福利审核票

2019年12月16日 9:00 ~ 2019年12月17日 18:00

收起

活动票种
    付费活动,请选择票种
    展开活动详情
    收起

    NVIDIA GTC CHINA 大会将于2019年12月16-19日在苏州金鸡湖国际会议中心召开。现针对苏州地区开放部分补贴培训课(即补贴审核通过后,不用自己花钱购票即可参加GTC DLI 培训,培训课程完成且通过课程设置的考核,可以获得由NVIDIA颁发的证书)。现开放补贴申请的课程有:

    16日-自然语言处理,

    16日-工业检测,

    17日-多数据类型。

    补贴审核通过后,您将会收到会务组发出的确认邮件。已经通过其他渠道申请过DLI免费培训的苏州地区同学请不要再次填写本次申请了。审核通过的同学,除了可以参加本人选择的DLI培训课程外,还可以参加黄仁勋先生的主题演讲以及参观展会。机会难得,请同学们抓紧时间申请了!也请同学们将这一消息广泛转发给苏州的同学朋友,谢谢!



    • 深度学习基础 - 自然语言处理 

    Fundamentals of Deep Learning for Natural Language Processing

    学习运用深度学习技术,通过一系列的动手实验,采用自然语言处理(NLP) 来理解文本输入。 您将
    在云端完全配置的
    GPU 加速工作站上利用通用深度学习工具、框架和工作流程训练神经网络。 本课
    程首先介绍训练神经网络用于文本分类的技术;然后构建语言风格模型,从给定的文本文档中提取
    特征;最后使用神经机器翻译模型将一种语言翻译成另一种语言。

    课程时长 8 小时 (课后可以继续访问和使用课件和实验资源)
    评估方式 编程、多选题
    培训证书 成功完成本课程和测试后,您将获得 NVIDIA DLI 培训证书,证明在相关领域
    的能力,为职业发展提供支持
    预备知识 基本的神经网络和 python 编程经验,熟悉语言学
    语言 中文
    工具、库和框架 TensorflowKeras

    学习目标
    完成本课程后,您将理解:
    将文本转换成机器可理解的表示以及分类方法
    实践分布式表示(embedding) 并理解其特性
    训练机器将一种语言翻译成另一种语言

    课程内容概述

    学习要点 说明
    自然语言处理概述
    45 分钟)
    数据呈现对于计算机理解
    语言的重要性
    自然语言处理的挑战,以及如何用深度学习
    来应对这些挑战。
    休息(15 分钟)

    Word
    Embeddings
    120 分钟)
    用于文本分类的
    Word2Vec 算法概述
    【 动手实验 】 基于 Word2Vec 算法,学习
    分布式数据呈现方法,如
    word
    embeddings
    。训练好的 word embeddings
    可以用于解决文本分类等多种问题。
    休息(60 分钟)

    文本分类
    120 分钟)
    构建一个语言风格模型,
    利用
    embeddings 从给定
    的文本集合中提取特性
    【 动手实验 】 使用文本分类找出一些未知
    文档的作者,然后运用文本分类模型来确定
    给定文本文档的正确作者。
    休息(15 分钟)

    文本翻译
    120 分钟)
    创建一个神经机器翻译模
    型,将文本从一种语言翻
    译成另一种语言
    【 动手实验 】 学习基本技能,将人类可读
    的文本转换成机器可读格式。 以及如何使用
    注意力机制来改善结果,尤其是长文本。
    总结
    15 分钟)
    总结回顾简要说明为了创建和部署您自己的应用,可
    以参考的后续步骤。


    • 深度学习 - 工业检测 

    Deep Learning for Industry Inspection

    应用深度学习,打造自动化工业检测模型
    本课程将学习如何训练、 加速和优化基于深度学习模型的缺陷检测分类器,来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。 本课程使用真实的生产数
    据集, 首先探究工业检测方面的关键性挑战,包括问题的定义, 数据检查、筛选及格式化等。 然后
    介绍关于迁移学习、 在线数据增强,建模和模型微调的基础知识。 在课程结束时,您将熟悉推理优
    化,性能评估和深度学习模型解释的关键概念。

    课程时长 8 小时 (课后可以继续访问和使用课件和实验资源)
    评估方式 基于代码
    培训证书 成功完成本课程和测试后,您将获得 NVIDIA DLI 培训证书,证明在相关领域
    的能力,为职业发展提供支持
    预备知识 熟悉 Python 和卷积神经网络(CNNs)
    语言 中文
    工具、库和框架 TensorFlow, NVIDIA TensorRT™, Keras

    学习目标
    课程完成后,您将能够了解:
    制定工业检验案例研究并筛选由自动光学检测(AOI)机器生成的数据集
    在工业检测工作流程中数据处理方面的挑战
    使用 Pandas DataFrame NumPy 库从我们的数据集中提取有意义的见解
    将迁移学习应用于 Inception v3 深度学习分类模型
    微调深度学习模型并设置评估指标
    使用 TensorRT 5 NVIDIA V100 GPU 上优化经过训练的 Inception v3 模型
    使用 V100 Tensor 核心进行 FP16 半精度快速推理实验

    课程内容概述

    学习要点
    课程介绍
    15 分钟)
    课程介绍和实验准备
    理解核心概念
    120 分钟)
    学习视觉检测的核心概念
    学习如何确定问题和进行数据筛选
    休息(60 分钟)
    迁移学习和建模
    120 分钟)
    基于迁移学习流程,学习如何训练和验证深度学习模型
    训练的同时实现在线数据增强,以节省存储数据集的磁盘
    空间
    深入了解微调模型的细微差别
    休息(15 分钟)
    学习推理
    和结果解析
    120 分钟)
    学习模型的生产化部署和优化
    学习如何冻结训练好的深度学习模型, 并使用 TensorRT
    行优化
    将优化的模型与最初的 TensorFlow-GPU 模型进行比较,并
    评估改进效果
    总结
    30 分钟)
    总结及问答
    完成在线测试以获取证书
    课程反馈调查


    深度学习基础 - 多数据类型 

    Fundamentals of Deep Learning for Multiple Data Types

    ——
    机器视觉和 NLP 技术的融合进阶应用
    本课程通过一系列的动手实验,教授如何将深度学习技术应用于涉及多数据类型的一系列问题。您将
    在云端完全配置的
    GPU 加速工作站上利用通用深度学习工具、框架和工作流程训练神经网络。 简要
    介绍深度学习之后,您将进一步构建用于图像分割、句子生成,以及添加图像和视频字幕的深度学习
    应用,同时学习有关计算机视觉、神经网络和自然语言处理等概念。 课程最后,您将能够评估哪些问
    题可以用深度学习来解决。

    课程时长 8 小时 (课后可以继续访问和使用课件和实验资源)
    评估方式 多项选择
    培训证书 成功完成本课程和测试后,将获得 NVIDIA DLI 培训证书,证明在相关领域的
    能力,为职业发展提供支持
    预备知识 熟悉基本的 python(函数和变量)知识和训练神经网络的经验
    语言 中文
    工具、库和框架 TensorFlowTensorBoard

    学习目标
    完成本课程后,您将能够了解深度学习的基本原理,并能够:
    实践常见的深度学习工作流程,例如图像分割和文本生成
    比较与对比数据类型、工作流程和框架
    将用深度学习方法的计算机视觉和自然语言处理结合起来,解决需要多种输入数据类型的复
    杂现实问题

    课程内容概述

    学习要点 说明
    简介
    45 分钟)
    课程概述
    深度学习入门
    深度学习简介、应用场景、关键术语、
    行业趋势以及挑战。
    休息(15 分钟)

    使用 TensorFlow
    实现图像分割
    120 分钟)
    将图像分割与其他计算
    机视觉问题进行比较
    TensorFlow 工具进
    行试验
    实施评估模型性能的有
    效方法
    【 动手实验 】 使用 TensorBoard
    TensorFlow Python API 等工具分割
    MRI 图像,以便测量心脏的各个部分。
    休息(60 分钟)

    使用 TensorFlow
    生成文字
    120 分钟)
    自然语言处理 (NLP)
    递归神经网络
    (RNN)
    简介
    从文本数据创建网络输

    使用新数据测试
    迭代以提高性能
    【 动手实验 】 训练递归神经网络理解
    图像和文本,并使用
    MSCOCO
    (Microsoft Common Objects in
    Context)
    数据集预测句子的下一个词
    语。
    休息(15 分钟)

    为图像和视频加字幕
    120 分钟)
    结合计算机视觉和自然
    语言处理来描述场景
    学习利用卷积神经网络
    (CNN) RNN 的功能
    【 动手实验 】 以串联和(或)平均的
    方式,组合多个网络
    (CNN RNN)
    输出来训练模型,实现从图像的原始像
    素数据生成图像描述。
    总结
    15 分钟)
    学习要点总结
    课程调查
    回顾概念和实践要点


    16日.jpg

    17日.jpg

    18日.jpg

    19日.jpg




    举报活动

    活动标签

    最近参与

    • herman
      报名

      (5年前)

    • 张小宝儿
      报名

      (5年前)

    • dalesong6
      报名

      (5年前)

    • leon
      报名

      (5年前)

    • A认真的云a
      收藏

      (5年前)

    • 阿珠
      报名

      (5年前)

    您还可能感兴趣

    您有任何问题,在这里提问!

    为营造良好网络环境,评价信息将在审核通过后显示,请规范用语。

    全部讨论

    活动主办方更多

    中科图云

    中科图云

    北京中科图云科技有限公司专注于人工智能/云计算/大数据/高性能方向的技术培训。致力于通过对行业前沿技术的持续创新解读,为相关方向的研究机构和行业用户,提供从训练到推理的一站式人工智能云计算应用服务解决方案/教学实训平台

    微信扫一扫

    分享此活动到朋友圈

    活动日历   03月
    26 27 28 29 1 2 3
    4 5 6 7 8 9 10
    11 12 13 14 15 16 17
    18 19 20 21 22 23 24
    25 26 27 28 29 30 31

    免费发布