CAVEDU 為 NVIDIA 認證之教育合作夥伴

課程簡介：

以電腦視覺神經網路開始，從頭訓練模型並運用資料增強與卷積、遞歸神經網路、遷移學習等技術提升準確度。另外也會介紹自然語言處理與最熱門的 transformer 框架。

學習目標：

• 瞭解訓練深度學習模型所需的基本技術和工具
• 熟悉通用的深度學習資料類型和模型架構
• 透過資料增強來強化資料集以提升模型精準度
• 運用模型之間的遷移學習，以更少的資料和運算達成高效率的成果
• 使用現代的深度學習框架，更具信心地打造自己的專案

課程簡介：

帶領學員建置文字分類、命名實體識別與問答系統等 NLP 模型，並深入探討 Transformer 架構（如 BERT）及其自注意力機制如何演進文字內嵌與模型效能。課程內容包括使用預訓練 Transformer進行分類與 NER 任務，並比較不同模型優缺點以判斷最適使用場景。

學習目標：

• 瞭解文字內嵌如何在自然語言處理工作中迅速進化，例如 Word2Vec、遞歸神經網路（RNN）型內嵌及 Transformer
• 瞭解 Transformer 架構功能（尤其是自我注意力機制）是如何用於建立語言模型，而無需遞歸神經網路
• 使用自我監督技術提升 BERT、Megatron 和其他變體中的 Transformer 架構，以達到優異的自然語言處理成果
• 利用預先訓練的現代自然語言處理模型處理多項工作，例如文字分類、命名實體識別和問答系統
• 管理推論挑戰，並部署即時應用程式的微調模型

課程簡介：

最快掌握並應用 LLM 的方式，就是學會現代的提示工程技巧。這些技巧同時也是進階技術如檢索增強生成（RAG）與參數高效微調（PEFT）的基礎。本課程中，學員將使用由開源 Llama 3.1 模型驅動的 NVIDIA 語言模型 NIM，並搭配熱門的 LangChain 函式庫進行應用開發，建立運用提示詞工程打造 LLM 應用的核心技能。

學習目標：

• 理解並實作循環式提示詞工程的最佳實踐，建構適用於多種語言任務的 LLM 應用。
• 熟練使用 LangChain 組織與編排 LLM 工作流程。
• 撰寫應用程式碼，實現文字生成、文件分析、聊天機器人等多樣化任務。

課程簡介：

企業在日常營運中經常需要處理文字分類、內容生成、情感分析與客服聊天等語言相關任務，並希望以最具成本效益的方式完成。大型語言模型（LLM）可自動化這些任務，而「參數高效微調（PEFT）」等技術則可進一步提升模型能力，同時降低模型在實際應用中所需的大小與運算成本。本課程將帶領你超越單純的提示詞工程，學習如何在不重新訓練模型或修改內部權重的情況下，靈活調整預訓練 LLM，以滿足特定任務需求。你將運用 NVIDIA NeMo™ 服務實作多種高效微調方法，打造符合企業場景的 LLM 應用。

學習目標：

• 使用少量資料應用參數高效微調（PEFT）技術，達成自訂語言任務。
• 利用 LLM 產生合成資料，以協助訓練更小型的模型完成指定任務。
• 結合合成資料生成與模型調整，建立反覆優化流程，降低模型所需資源。
• 實作由多個自訂模型組成的生成式應用，並在課程中完成資料生成與應用開發流程。

課程簡介：

隨著大型語言模型技術的快速進步與普及，企業得以以前所未有的方式改善營運流程、降低成本並提升大規模生產力。同時，LLM 驅動的應用也能帶來創新的服務體驗，例如導入 AI 虛擬助理進行客服支援，或透過情感分析深入挖掘顧客回饋資訊。本課程將協助你掌握 LLM 應用開發的核心知識與實作技巧，並引導你善用開源生態系統（如 HuggingFace 與 Transformers API），快速上手打造 LLM 應用。

學習目標

• 探索與實作 HuggingFace 模型庫與 Transformers API，快速導入預訓練 LLM。
• 使用編碼器模型進行語意分析、嵌入生成、問答系統與零樣本分類任務。
• 使用解碼器模型進行自然語言生成，包括程式碼、自由回答與對話應用。
• 掌握狀態管理與組合技巧，建立具安全性、準確性與邏輯性的 LLM 對話流程。

課程簡介：

NVIDIA Jetson 是目前最熱門的邊緣運算平台之一，maker、自學開發者與嵌入式科技愛好者可運用這類裝置來製作各種實體 AI 專案。這台易於上手卻強大的電腦，可同時運行多個神經網路，應用於影像分類、物體偵測、語意分割與語音處理等任務。本課程中將使用 Jupyter iPython Notebook，在自己的 Jetson 裝置實作一個基於電腦視覺的深度學習分類專案。

學習目標

• 設定 NVIDIA Jetson Nano 及相機模組
• 收集影像資料以訓練分類模型
• 為迴歸模型標註影像資料
• 在自有資料上訓練神經網路並建立自製模型
• 在 Jetson Nano 上使用訓練好的模型進行推論