10월 GTC 2020에서 다양한 ‘딥 러닝 인스티튜트’ 신규 강좌 대공개

엔비디아 인증 강사들이 제공하는 수준 높은 강의를 언제 어디서든 저렴한 가격에 수강이 가능한 한국어 강좌 개설을 발표했습니다
9월 7, 2020 by NVIDIA Korea
0907 블로그

오는 10월 5일부터 9일까지 온라인으로 진행되는 엔비디아 GPU 테크놀로지 컨퍼런스(GTC)에서 엔비디아 딥 러닝 인스티튜트(NVIDIA Deep Learning Institute, 이하 DLI) 신규 강좌 3개가 개설됩니다.

신규 강좌는 강사 주도형 워크샵으로, 딥 러닝, 추천 시스템, 트랜스포머 기반 애플리케이션에 대한 기초 강의들로 구성돼 있는데요. 온라인에 접속하면 누구나 저렴한 가격에 수강이 가능하며 수강생은 클라우드 상에서 완벽 구성된 GPU 가속 서버에 액세스할 수 있습니다.

DLI는 가상 교실에서 엔비디아 인증을 받은 전문가들이 진행하는 핸즈온 원격 학습으로 이뤄집니다. 수강생은 실시간으로 강사들이나 동료들과 서로 소통할 수 있습니다. 자신의 아이디어를 작성할 수 있고 대화형 코딩 문제를 해결하고, 개인의 전문 커리어 성장을 위해 과목별 DLI 인증서도 취득할 수 있습니다. GTC 2020의 DLI는 전세계에 제공되며, 각각 시간대가 다른 참여자들을 위해 몇 개의 강좌는 한국어, 일본어, 중국어 간체로 이용 가능합니다.

GTC 2020의 DLI 신규 강좌는 다음과 같습니다:

  • 딥 러닝의 기초 — 모델 훈련법을 학습하고, 일반적인 데이터 유형 및 모델 아키텍처로 작업하며, 모델들 간에 전이학습(transfer learning) 활용하는 등 딥 러닝 프로젝트 수행에 대한 자신감을 쌓을 수 있습니다.
  • 인텔리전트 추천 시스템 구축 — 콘텐츠 기반, 협업 필터링(collaborative filtering), 하이브리드 등의 다양한 유형의 추천 시스템을 구축합니다. 오픈소스 cuDF 라이브러리, 아파치 애로우(Apache Arrow), ALS(Alternating Least Squares), CuPy, 텐서플로우(TensorFlow) 2 사용법을 학습합니다.
  • 트랜스포머 기반 자연어처리(NLP) 애플리케이션 구축 — 워드2벡(Word2Vec), 순환신경망(recurrent neural network, RNN) 기반 임베딩, 트랜스포머 아키텍처 기능들 및 그 개선방법 등과 같은 NLP 주제들에 대해 학습합니다. 텍스트 분류, 개체명인식(Named-Entity Recognition, NER) 및 질의 응답을 위해 사전 트레이닝된 NLP 모델을 활용하고 라이브 애플리케이션을 위해 개선된 모델을 배포합니다.

그 외에도 GTC 2020에서는 다음과 같은 DLI 강좌가 제공됩니다.

  • 인텔리전트 비디오 분석(IVA)을 위한 딥 러닝 — 한국어로 제공되는 강좌로, 하드웨어 가속 디코딩을 활용해 비디오 피드를 효율적으로 처리하고 전이학습을 활용해 모델의 정확도를 높이는 등 비디오 프레임 내에서 다양한 유형의 물체를 감지하고 예측하는 법을 배웁니다.
  • 쿠다(CUDA) 파이썬(Python)을 활용한 가속 컴퓨팅의 기초 — 눔바(Numba) 사용해 넘파이(NumPy) 범용함수에서 엔비디아 쿠다 커널 컴파일하고, 커스텀 쿠다 커널 생성 및 시작하며, 핵심 GPU 메모리 관리 기술을 적용하는 방법을 학습합니다.
  • 예측 관리를 위한 인공지능(AI) 애플리케이션 — 예측 관리를 활용하고, 고장 관리를 위해 이상현상을 감지하고, 예측하지 못한 고비용의 다운타임 방지하고, XG부스트(XGBoost)로 머신 러닝 분류 모델을 사용해 결과를 예측하기 위한 시계열 데이터를 활용합니다.
  • 래피즈(RAPIDS)를 활용한 가속 데이터 사이언스의 기초 — 대규모 데이터 분석을 수행하기 위해 XG부스트, cuGRAPH, cuML 등의 GPU 가속 머신 러닝 알고리즘을 적용해, cuDF 와 대스크(Dask)를 활용하여 GPU에서 직접 대규모 데이터세트를 처리하고 조작하는 방법을 학습합니다.
  • 쿠다 C/C++를 활용한 가속 컴퓨팅의 기초 — 가속 애플리케이션을 최적화하기 위해 필수적인 쿠다 메모리 관리와 같은 기술을 통해 GPU에서 레이턴트 패러랠리즘(latent parallelism)를 실행하는 CPU 전용 애플리케이션들을 가속화하는 방법을 이해합니다.
  • 멀티 GPU을 위한 딥 러닝 기초 — 딥 러닝 학습을 여러 GPU로 스케일링해 대량의 데이터에 소요되는 훈련 시간을 대폭 축소하고 딥 러닝으로 복잡한 문제 해결합니다.
  • 이상 현상 감지를 위한 AI 애플리케이션 — 가속 XG부스트, 딥 러닝 기반 오토인코더, 생성적 대립 신경망(Generative Adversarial Network, GAN)을 사용해 네트워크 침입을 파악하기 위한 멀티 AI 기반 솔루션을 구현하는 방법을 학습합니다.

200만 명이 넘는 엔비디아 개발자들이 전세계의 가장 까다로운 문제를 해결하기 위해 기술 혁신에 노력하는 현시점에서, 딥 러닝 전문가에 대한 수요는 그 어느때보다도 높습니다. DLI는 AI, 가속 컴퓨팅, 데이터 사이언스에 대해 더 깊게 배우고 싶어하는 학습자들을 위한 다양한 주제를 다루고 있습니다. DLI 수강인원은 한정돼 있으며, 얼리버드 등록은 9월 25일까지입니다.