培训学习中心-紫光晓通科技有限公司|人工|智能|解决方案

图片名称

图片名称

NVIDIA深度学习培训中心(DLI)

NVIDIA深度学习培训中心(DLI)提供人工智能、加速计算和加速数据科学的应用开发实战培训。基于云端完全配置的GPU平台，开发者、数据科学家、研究人员和院校师生可以快速获取端到端应用开发经验并提升专业技能。IT专业人员可以学习设计和管理基础架构，支持企业的人工智能、数据科学和高性能计算(HPC)工作负载。同时获得全球通行的NVIDIADLI培训证书，为您的能力和职业发展提供有力证明。

紫光晓通作为NVIDIA正式授权之深度学习培训中心(DLI)合作伙伴，共同推出在线培训与线下研讨会，展开人工智能人才培训，支持您的专业职涯成长。

讲师指导的培训班

如果您的组织机构希望快速获取讲师指导，您可以申请由DLI认证讲师实时教授的培训班，在完全配置的GPU服务器上完成实战型学习，与讲师交流答疑，获得NVIDIA全球开发者培训证书，并在课后继续使用DLI平台复习和实验。

教师免费资源

高校老师可以申请成为NVIDIADLI校园大使，为在校师生免费教授DLI课程和使用配套实验环境;以及免费下载NVIDIA教学学套件，轻松扩展您的授课内容，和免费获取DLI在线自主培训课程资源。

图片名称

讲师指导的培训班

在线培训

您可以从下列通用基础或行业应用课程中选择，来申请线上或线下有讲师实时授课的培训班，在完全配置的GPU服务器上完成实战型学习，与讲师交流答疑，获得NVIDIA全球开发者培训证书，并在课后继续使用DLI平台复习和实验。

培训课程

生成式AI&LLM

使用 NVIDIA NIM 大规模部署 RAG 工作流

参加本次培训，您将学到：

使用 API 接口构建本地 Docker Compose 部署的 RAG 工作流
使用 NIM Operator 在 Kubernetes 集群中部署多种 NIM
整合多个 NIM 构建生产级 RAG 工作流，并集成高级数据摄取流程
使用 Prometheus 和 Grafana 监控 RAG 工作流和 Kubernetes 集群
利用 NIM Operator 扩展 NIM 应对高并发流量
创建、部署并扩展适用于多种智能体工作流（包括 PDF 摄取）的 RAG 工作流

模型并行 —— 构建和部署大型神经网络

完成本课程后，您将能够：

跨多个服务器训练神经网络
使用激活检查点、梯度累积和各种形式的模型并行等技术，来克服与大型模型内存占用相关的挑战
捕获并了解训练性能特征以优化模型架构
使用 NVIDIA TensorRT-LLM 将超大型多 GPU 模型部署到生产环境

使用大语言模型构建代理式 AI

参加本次培训，您将学到：

理解 LLM 的优势和局限性，以及为什么基于智能体的范式能在现代软件生态中增强其能力
学习如何生成结构化输出，以支持机器可解析的函数调用或 API 集成
探索检索机制和知识图谱，以获取领域知识
使用 LangGraph 等框架，尝试多智能体协作调度
实现具有弹性的系统和数据飞轮（flywheels），以支持面向生产环境的部署

为大语言模型添加新知识

通过本课程，您将掌握以下技能：

使用 NVIDIA NeMo Curator 筛选高质量数据集并生成合成数据
结合基准测试（如 MMLU）、LLM-as-a-judge 和 NeMo Evaluator 严格评估模型性能
通过持续预训练（CPT）为 LLM 注入特定领域的新知识
通过监督微调（SFT）让 LLM 学习新技能并完成特定任务
使用直接偏好优化（DPO）使模型在风格、语气和安全性方面更贴近人类偏好
通过 TensorRT-LLM 和 NeMo 进行量化、剪枝与知识蒸馏，压缩并优化 LLM 以实现高效部署
掌握端到端的模型定制工作流，用于解决真实世界的问题

构建大语言模型 RAG 智能体

参加本次培训，您将学到：

构建 LLM 系统，利用内部和外部推理组件实现与用户的可预测交互
设计对话管理和文档推理系统，用于维护状态并将信息强制转换为结构化格式
利用嵌入模型进行高效的内容检索的相似性查询和生成对话护栏
开发、模块化和评估检索增强生成 (RAG) 模型，无需任何微调即可回答有关研究论文数据集的问题

构建基于大语言模型的应用

参加本次培训，您将学到：

构建 LLM 系统，利用内部和外部推理组件实现与用户的可预测交互
设计对话管理和文档推理系统，用于维护状态并将信息强制转换为结构化格式
利用嵌入模型进行高效的内容检索的相似性查询和生成对话护栏
开发、模块化和评估检索增强生成 (RAG) 模型，无需任何微调即可回答有关研究论文数据集的问题

利用提示工程构建大语言模型应用

参加本次培训，您将学到：

理解如何应用迭代式提示工程最佳实践，以创建基于LLM的应用程序，用于各种与语言相关的任务
熟练使用 LangChain 来组织和编排 LLM 工作流
编写应用代码，利用 LLM 执行生成任务，比如文档分析、聊天机器人等

加速数据科学基础

参加本次培训，您将学到：

使用 cuDF 加速 pandas、Polars 和 Dask，高效分析各种规模的数据集
使用多种机器学习算法 (包括 XGBoost) 解决不同的数据科学问题
在 Triton Inference Server 上部署机器学习模型，以实现最佳性能
学习并应用强大的图算法，使用 NetworkX 和 cuGraph 分析复杂网络
在超大规模数据集上执行多种分析任务，以遏制影响英国的模拟疫情爆发

构建基于 Transformer 的自然语言处理应用

完成本课程后，您将能够了解：

了解 NLP 文本嵌入任务的快速演进，如 Word2Vec、基于递归神经网络 (RNN) 的嵌入和 Transformer 。
在不使用 RNN 的情况下，如何利用 Transformer 架构特点（尤其是自注意力机制）创建语言模型。
使用自监督机制优化 BERT、Megatron 和其他变体中的 Transformer 架构，以取得更好的 NLP 结果。
利用经过预训练的现代 NLP 模型来完成多个任务，如文本分类、NER 和问答系统。
管理推理挑战，以及为实时应用部署经过优化的模型。

深度学习基础 —— 理论与实践入门

完成本课程后，您将能够：

学到训练深度学习模型所需的基础技能和工具
了解常见的深度学习数据类型和模型架构
通过数据增强优化数据集，提高模型精准度
通过模型间的迁移学习，用较少的数据和计算量获得高效的结果
利用先进的深度学习框架自信地运作自己的项目

Physical Al & Robotic

使用 NVIDIA Isaac 加速机器人开发

通过本课程，您将掌握以下技能：

使用 OpenUSD 构建模块化机器人资产并导入 CAD/URDF 模型
在 Isaac Sim 中将机器人集成进虚拟环境
连接 ROS 2 实现实时机器人控制与软件在环 (SIL) 测试
利用 NVIDIA GPU 加速库提升感知与 AI 工作负载性能
生成物理真实的合成数据，用于构建稳健的机器人训练流程

Al Datacenter & Networking

构建基于 DOCA 的拥塞控制算法加速 AI 工作负载

参加本次培训，您将学到：

RDMA 基本实现
流量控制和拥塞控制的基础知识
掌握 NVIDIA DOCA PCC SDK 开发平台，能够快速开发自己的拥塞算法
掌握拥塞算法调试和 debug 方法

NVIDIA DOCA 加速网络基础

通过参与本课程，学员将掌握以下技能：

NVIDIA 端到端全栈加速计算和 AI 网络基础知识
适用于 AI 的 NVIDIA 网络技术基础知识
开启使用 NVIDIA DOCA 在 NVIDIA BlueField-3 网络平台上的开发之旅
通过参考应用程序的实践练习，掌握基础设施应用程序的编译和执行

在线培训

随时随地使用云端完全配置的GPU加速工作站开始学习

与NVIDIA产品相关的图片或视频(完整或部分)的版权均归NVIDIA Corporation所有

联系地址：

北京市海淀区清华大学东门紫光大楼503

©2022 紫光晓通科技有限公司隐私政策

联系电话：

关注我们：

图片名称

技术支持：中企跨境北京查看营业执照 SEO标签

图片名称

NVIDIA深度学习培训中心(DLI)

感谢您抽出几分钟时间填写以下内容，我们会有专职人员与您联系!