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

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

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

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