CAVEDU 為 NVIDIA 認證之教育合作夥伴

課程簡介 (詳細介紹)：
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 (詳細介紹)：
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。

學習目標：

• 瞭解文字內嵌如何在 NLP 工作中進化，例如 Word2Vec 與 RNN 內嵌
• 瞭解 Transformer 架構（尤其是自我注意力機制）如何在不需 RNN 的情況下建立模型
• 使用自我監督技術提升 BERT、Megatron 等架構的效能
• 利用預訓練模型處理文字分類、命名實體識別（NER）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 (詳細介紹)：
最快掌握並應用 LLM 的方式，就是學會現代的提示工程技巧。學員將使用由 Llama 3.1 驅動的 NVIDIA 語言模型 NIM，搭配 LangChain 函式庫建立文字生成、文件分析與聊天機器人等核心應用技能。

學習目標：

• 理解並實作循環式提示詞工程最佳實作，建構多種語言任務。
• 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、文件分析與聊天機器人。

課程簡介 (詳細介紹)：
掌握 LLM 應用開發的核心知識與實作技巧，引導你善用開源生態系統（如 HuggingFace 與 Transformers API），快速打造如 AI 虛擬助理或情感分析等創新服務體驗。

學習目標：

• 探索與實作 HuggingFace 模型庫與 Transformers API。
• 使用編碼器模型進行語意分析、嵌入生成與問答系統。
• 使用解碼器模型進行自然語言生成（程式碼、對話應用）。
• 掌握狀態管理，建立具安全性與邏輯性的對話流程。

課程簡介 (詳細介紹)：
本課程使用 Jupyter iPython Notebook，引導你在自己的 Jetson 裝置實作基於電腦視覺的深度學習分類專案，適合 maker 與嵌入式科技愛好者開發實體 AI 專案。

學習目標：

• 設定 NVIDIA Jetson Nano 及相機模組。
• 收集影像資料並訓練神經網路建立自製模型。
• 為迴歸模型標註影像資料並進行實時推論。

課程簡介 (詳細介紹)：
專為機器人工程師設計，課程內容涵蓋建構機器人模擬環境，並整合合成資料（Synthetic Data）流程，打造可擴展、以模擬為優先（simulation-first）的工作流程。

學習目標：

• 使用 OpenUSD 建構機器人資產並匯入 CAD/URDF。
• 在 Isaac Sim 中整合機器人至虛擬環境。
• 串接 ROS 2 進行即時控制與 Software-in-the-Loop 測試。
• 產生物理真實度的合成資料以強化訓練。