Certification

NVIDIA 본사에서 직접 제공하는 자격증 예시

Applications of AI for Anomaly Detection

조직에서 사이버 보안 위협, 사기성 금융거래, 제품 결함 또는 장비 상태를 모니터링해야 하는지 여부에 관계없이 인공 지능은 비즈니스에 영향을 미치기 전에 데이터 이상을 포착하는 데 도움이 될 수 있습니다. AI 모델은 데이터 세트를 자동으로 분석하고, “정상적인 동작”을 정의하고, 패턴에서 침해를 빠르고 효과적으로 식별하도록 훈련 및 배포할 수 있습니다. 그런 다음 이러한 모델을 사용하여 앞으로 다가올 이상을 예측할 수 있습니다.

Applications of AI for Predictive Maintenance

– XGBoost를 사용한 머신 러닝 분류 모델을 사용하여 부품 고장 예측 

– Keras 및 TensorFlow를 사용하여 시간 시리즈에서 고장 예측을 위한 GPU LSTM 기반 모델 학습

– 자동 인코더 및 Seq2Seq 모델을 사용하여 이상 감지

– 생성적 적대 신경망(GAN) 모델을 사용하여 이상 감지 실험

Fundamentals of Accelerated Computing with CUDA® Python

– Numba를 사용하여 NumPy 범용 함수(ufunc)에서 CUDA 커널을 컴파일합니다. 

– Numba를 사용하여 사용자 지정 CUDA 커널을 만들고 실행합니다. 

– 주요 GPU 메모리 관리 기술을 적용합니다.

Fundamentals of Accelerated Computing with Morden CUDA® C/C++

이 강의에서는 CUDA를 사용한 범용 GPU 프로그래밍에 대한 포괄적인 소개를 제공합니다. GPU가속 코드 작성, 컴파일 및 실행, CUDA코어 라이브러리를 활용하여 최신 GPU 가속기가 제공하는 대규모 병렬 처리 기능을 활용, CPU와 GPU간의 메모리 마이그레이션을 최적화 하고, 자체 알고리즘을 구현하는 방법을 배우게 됩니다. 강의가 끝나면 추가 리소스에 엑세스하여 자신만의 GPU가속 애플리케이션을 만들 수 있습니다.

Accelerating CUDA C++ Applications with Multiple GPUs

고성능 컴퓨팅, 데이터 과학, 생물 정보학 및 딥 러닝 분야의 계산 집약적인 CUDA C++ 애플리케이션은 Multiple GPU를 사용하여 처리량을 늘리거나 총 런타임을 줄일 수 있어 가속화할 수 있습니다. 계산과 메모리 전송의 동시 중첩을 결합하면 메모리 전송 비용을 늘리지 않고도 Multiple GPU에 걸쳐 계산을 확장할 수 있습니다. 클라우드에서든 NVIDIA DGX 시스템에서든 Multiple GPU 서버를 보유한 조직의 경우 이러한 기술을 통해 GPU 가속 애플리케이션에서 최고의 성능을 달성할 수 있습니다. 또한 애플리케이션을 여러 노드로 확장하기 전에 이러한 단일 노드, Multiple GPU 기술을 구현하는 것이 중요합니다.

Fundamentals of Accelerated Data Science


Data Science은 과학적 방법, 프로세스, 알고리즘 및 시스템을 사용하여 데이터를 분석하고 데이터에서 인사이트를 추출하는 것입니다. 이를 통해 조직은 데이터를 가치있는 리소스로 전환하여 더 현명한 의사 결정, 운영 개선, 고객 경험 향상으로 이어질 수 있습니다. 이 강의에서는 GPU 가속 도구를 사용하여 데이터 과학을 더 빠르게 수행하여 확장성, 안정성, 비용 효율성이 뛰어난 결과를 도출하는 방법을 알아봅니다.


Rapid Application Development Using Large Language Models (LLMs)

최근 대규모 언어 모델(LLM)의 기술과 접근성이 모두 발전하면서 기업이 LLM 기반 앱을 사용하여 고객에게 혁신적이고 향상된 서비스를 제공하거나 고객 관계를 강화할 수 있습니다. 사전 교육을 받은 LLM을 포함한 오픈 소스 생태계를 탐색하여 LLM 애플리케이션 개발에 대한 강력한 이해와 실용적인 지식을 습득함으로써 LLM 기반 애플리케이션 개발을 빠르게 시작할 수 있습니다.