CAVEDU 為 NVIDIA 認證之教育合作夥伴
NVIDIA 教育合作夥伴
CAVEDU 為 NVIDIA 教育合作夥伴 (SDP-ES),也為國內目前執行 DLI 課程數量最多、種類最豐富的夥伴,歡迎洽詢包班:
📧 service@cavedu.com │ 📞 (02) 2306-2900
NVIDIA 認證專業講師群
曾吉弘 (阿吉老師):NVIDIA DLI AI 白金級大使。2025 年排行全球第一!
徐豐智:2025 年取得 NVIDIA 認證講師資格。



CAVEDU 可執行的 DLI 實作課程
[機器人 / 數位孿生 / 實體 AI] 運用 NVIDIA Isaac 開發高效機器人
課程簡介 (詳細說明): 運用模擬優先(Simulation-First)與 OpenUSD 建模、ROS 2 即時控制、GPU 加速感知等技術提升機器人開發與模擬效率。另外也會介紹結合 Isaac Lab 與 Cosmos 世界基礎模型的 Physical AI 實戰應用。 學習目標:- 瞭解建構加速機器人模型所需基本技術:學習 OpenUSD 模組化資產架構,並在 Isaac Sim 中完成虛擬環境組裝與 CAD/URDF 模型匯入。
- 熟悉通用機器人模擬與控制架構:整合 ROS 2 與 Isaac Sim 進行軟體迴路測試(SIL),執行 Nav2 自主導航與 MoveIt2 機械手臂操作。
- 運用合成資料與模擬訓練達成高效率成果:運用 Isaac ROS 加速感知工作負載,並透過 Isaac Lab 與 GR00T-Teleop/Mimic 收集擴增合成資料,實現高效的 Physical AI 訓練流程。
[機器人 / 數位孿生 / 實體 AI] 使用 NVIDIA Isaac 將 SO-101 機器人從模擬環境訓練到實際應用
課程簡介 (詳細說明): 運用資料增強與網域隨機化、模仿學習、視覺-語言-動作(VLA)模型訓練等技術提升機器人控制準確度。另外也會介紹結合 Isaac GR00T 與 Cosmos 世界基礎模型的 Sim-to-Real 實務應用。 學習目標:- 瞭解訓練機器人虛實整合所需基本技術:設定 SO-101 機器人數位孿生場景,配置物理屬性與 Actuator 驅動映射,進行精確的 Sim-to-Real 實驗校準。
- 熟悉通用資料類型和模型架構:在 Isaac Sim 中執行模擬遙控操作,並透過領域隨機化與 LeRobot 格式採集高品質展示資料。
- 運用遷移學習與 VLA 模型達成高效率成果:運用 NVIDIA Isaac GR00T 訓練視覺-語言-動作模型,並結合 Cosmos 增強與 SAGE+GapONet 縮小模型模態差距,順利將策略部署至實體機器手臂。
[AI 代理 / LLM] 為大型語言模型注入新的知識
課程簡介 (詳細說明): 運用資料增強與生成、監督式微調(SFT)、偏好最佳化(DPO)等技術提升大型語言模型的領域準確度與輸出品質。課程聚焦於完整的模型客製化工作流程,透過 Transformer 架構與先進的 NeMo 工具鏈,為模型賦予特定領域的專業知識與任務行為。 學習目標:- 瞭解模型客製化所需基本技術:學習 Evaluation-First 評估機制,建立成功指標與基準線,判斷何時該採用提示工程、合成資料或微調策略。
- 熟悉通用資料策展與增強架構:利用教師模型與 NVIDIA NeMo Data Designer 生成特定任務的合成資料,並透過 NeMo Curator 進行資料檢查、過濾與去重。
- 運用遷移學習與微調達成高效率成果:使用 NVIDIA NeMo AutoModel 進行參數高效率微調(PEFT / LoRA),並透過直接偏好最佳化(DPO)與 vLLM 部署評估,打造符合特定偏好的高效領域模型。
[AI 代理 / LLM] 建立以大語言模型為基礎的代理 AI 應用
課程簡介 (詳細說明): 運用結構化輸出、工具呼叫與多代理協作等技術,提升大型語言模型在複雜任務中的自主執行與推理準確度。課程同時整合檢索增強生成(RAG)與 Transformer 基礎框架,帶領學員從單純的對話模型進一步走向可自主規劃與執行的 Agentic AI 系統。 學習目標:- 瞭解建構 AI 代理所需基本技術:理解大型語言模型的優勢與限制,學習將複雜任務拆解為可執行的 Agent、Task、State 與 Environment 狀態管理。
- 熟悉通用資料檢索與模型架構:運用向量資料庫與語意檢索機制,並透過結構化輸出與 Function Calling / Tool Calling 實現機器可解析的 API 整合。
- 運用代理協作與框架達成高效率成果:使用 LangGraph 等框架進行多代理協作編排(Multi-Agent Orchestration),透過條件路由與狀態工作流程建構高效能的企業級 AI 代理應用。
[AI 代理 / LLM] 運用 AI 大型語言模型打造 RAG 智能代理
課程簡介 (詳細說明): 運用檢索增強生成(RAG)、嵌入模型與向量檢索、多輪對話推理代理等技術提升大型語言模型的準確度與可靠性。學員將課程中將可實作文件分塊、嵌入與檢索,至終打造出一個 Agentic RAG 對話框架。 學習目標:- 瞭解建構 RAG 智能代理所需基本技術:認識 NVIDIA NIM 平台、自迴歸模型與大型語言模型,並設計結合內部與外部推理元件的可預測互動系統。
- 熟悉通用資料類型和模型架構:載入不同格式文件,並利用嵌入模型進行高效的相似度查詢與向量儲存庫建立,以支援內容檢索與對話防護。
- 運用代理編排與評估達成高效率成果:實作、模組化並評估一個 RAG 代理,透過 LangChain 管線與 LLM-as-a-Judge 效能評估,在不進行微調的情況下精準回答專業資料集與研究論文的問題。
[生成式 AI / LLM] 快速開發基於大型語言模型的應用程式
課程簡介 (詳細說明): 運用 Hugging Face 模型庫、Transformers API 與編碼器-解碼器模型等技術提升生成與分析準確度。學員將可理解從 BERT、GPT2 到 T5 等重要模型架構演進,同時也會整合不同模態資料的編碼方式、融合技術,至終打造一個多模態的 AI 管線。 學習目標:- 瞭解建構大型語言模型應用所需基本技術:探討 Transformer 架構與核心應用,理解嵌入與注意力機制,並操作 Hugging Face 模型庫與 Transformers API。
- 熟悉通用資料類型和模型架構:使用編碼器模型執行語義分析、問答與零樣本分類,並操作條件式解碼器模型與多模態架構生成各種資料格式與風格。
- 運用智能代理編排達成高效率成果:運用 LangChain 與 LangGraph 協調資料管道與智能代理工作流程,打造安全、高效且可擴充的生成式 AI 解決方案。
[數位孿生 / 實體 AI] Omniverse & 機器人模擬
課程簡介 (詳細說明): 運用 OpenUSD 建模、ROS 2 即時控制、軟體迴路測試(SIL)與感測器整合等技術提升機器人模擬效率。另外也會介紹結合 Omniverse 與 Isaac Sim 平台的完整數位孿生開發流程。 學習目標:- 瞭解建構機器人模擬與數位孿生所需基本技術:學習 OpenUSD 基本觀念與實作,包含建立 USD 檔案、定義型別、場景階層與屬性管理,並設定基本動畫與資產結構原理。
- 熟悉通用資料類型和模型架構:開發資料交換管線,實作幾何與材質資料擷取,並在 Isaac Sim 中匯入機器人資產、設定差動驅動與整合 RGB / 2D 雷達等感測器。
- 運用軟體迴路測試達成高效率成果:結合 ROS 2 與 OmniGraph 設計控制系統,運用 Software-in-the-Loop (SIL) 進行套件整合模擬與影像分割技術測試。
[數位孿生 / 實體 AI] Omniverse & 工業數位孿生
課程簡介 (詳細說明): 運用 OpenUSD、Omniverse 與合成資料模擬等技術建構與部署數位孿生系統。學員將理解在大規模場景中管理諸多資產的方式,以及結合物理 AI 在智慧製造情境下的實務應用。 學習目標:- 瞭解建構數位孿生與 OpenUSD 所需基本技術:了解 Stage、Prim 和屬性,設定基本動畫,並掌握資產結構原理與內容聚合。
- 熟悉通用資料交換與擴充模型架構:開發資料交換管道進行 USD 格式轉換與品質驗證,並學習 Omniverse 開發入門與使用 Python 建立擴充套件。
- 運用數位孿生應用程式達成高效率成果:整合 OpenUSD 資產管理與自定義 Omniverse Kit 介面,建構完整的工業數位孿生與物理 AI 模擬應用。
* 翰尼斯企業有限公司(29070497)為正式註冊之法人,CAVEDU 為其教育部門,RobotKingdom 則為其零售部門。
** 須完成該課程所指定之課程評量,難度根據各課程而有不同。
*** 課明標有 DLI 字樣代表完成該課程可取得電子版本完課證明,其餘亦屬於 NVIDIA 原廠課程