Kits de aprendizaje de NVIDIA DLI para educadores

Las universidades están a la vanguardia en la formación de la próxima generación en las tecnologías emergentes de computación acelerada, ciencia de datos e IA. Los kits de aprendizaje de NVIDIA Deep Learning Institute (DLI) reducen los obstáculos a la hora de incorporar IA y computación de GPU en cursos con materiales de enseñanza descargables y cursos en línea que proporcionan la base para comprender y desarrollar una experiencia práctica en estas áreas esenciales.

Ventajas para educadores

Eliminación de obstáculos para enseñar nuevas tecnologías

Kits de aprendizaje de NVIDIA DLI

Ahorra tiempo de planificación de clases y laboratorios

El desarrollo de nuevos materiales didácticos, como diapositivas de conferencias y laboratorios prácticos, puede suponer un tiempo considerable para profesores ocupados. Los kits de aprendizaje reducen significativamente el tiempo de desarrollo de contenido del curso para los instructores.

Acceso gratuito a los cursos en línea de DLI

Reduce las necesidades de costes e infraestructura

Los nuevos materiales y suministros didácticos cuestan dinero y crean obstáculos de entrada para los estudiantes. Los kits de aprendizaje proporcionan a los educadores y a sus estudiantes acceso gratuito a las GPU en la nube de dos maneras: a través del programa AWS de Amazon, que ofrece a educadores y a sus estudiantes créditos ampliados en la nube, y acceso gratuito a los cursos en línea de DLI.

NVIDIA colabora en el desarrollo de kits de aprendizaje con partners académicos

Aborda la teoría y los conceptos básicos académicos

Muchas empresas tecnológicas solo proporcionan material de formación profesional y del sector aplicado a las universidades, lo que carece de fundamentos y teoría académica. NVIDIA colabora en el desarrollo de kits de aprendizaje con partners académicos para combinar las últimas tendencias del sector, arquitecturas de GPU y aplicaciones, con la teoría fundamental y la pedagogía del mundo académico.

 Comunidades de educadores de NVIDIA

Oferta única y completa de cursos con soporte

Otro obstáculo es la experiencia necesaria para enseñar la tecnología y seleccionar las plataformas y los recursos más adecuados para la enseñanza. El programa de kits de aprendizaje ofrece soporte de NVIDIA y las comunidades de educadores de NVIDIA, debates en conferencias, guías de inicio, seminarios web, un canal abierto para que los educadores proporcionen comentarios y hagan preguntas, y mucho más.

Recursos didácticos

La base para innovadores de próxima generación

Llevar la IA al aula: el kit de aprendizaje de deep learning de NVIDIA

Deep Learning

Desarrollado conjuntamente con el profesor Yann LeCun y su equipo de la Universidad de Nueva York (NYU), este kit de aprendizaje aprovecha los últimos marcos de computación y técnicas para explorar temas introductorios y avanzados de deep learning, desde la clasificación de imágenes hasta las redes generativas antagónicas (GAN) y el procesamiento del lenguaje natural (NLP).

Kit de aprendizaje de computación acelerada para educadores universitarios: Introducción

Computación acelerada

Desarrollado conjuntamente con el profesor Wen-Mei Hwu y su equipo de la Universidad de Illinois (UIUC) y la profesora Sunita Chandrasekaran y su equipo de la Universidad de Delaware, este kit de aprendizaje cubre temas introductorios y avanzados como las API de programación paralela, herramientas y técnicas de programación, principios y patrones de algoritmos paralelos, y características y restricciones de la arquitectura del procesador.

IA perimetral y robótica

IA perimetral y robótica

En colaboración con la Universidad de Oxford y la Universidad de Maryland, en el condado de Baltimore, el Kit de enseñanza de IA perimetral y robótica incluye diapositivas de conferencias y laboratorios prácticos que abarcan temas como big data e IoT, IA de visión, aprendizaje por refuerzo, IA conversacional, diversidad, ética y seguridad, así como robótica autónoma.

NVIDIA y el Instituto de Tecnología de Georgia (Georgia Tech)

Ciencia de datos

En colaboración con el Instituto de Tecnología de Georgia (Georgia Tech) y la Universidad de Prairie View A&M, este kit de aprendizaje se centra en algoritmos acelerados por GPU y ciencia de datos utilizando el marco RAPIDS™. El contenido también se ha desarrollado con conciencia cultural, abordando aspectos como el sesgo y la equidad en la ciencia de datos.

Recursos de computación de GPU basados en la nube

Gráficos y Omniverse

Creado en colaboración con las mejores escuelas de cine y animación en nuestro Studio Education Partner Program, este kit de aprendizaje está diseñado para educadores universitarios que buscan incorporar gráficos y NVIDIA Omniverse™, una plataforma abierta para la colaboración virtual y la simulación físicamente precisa en tiempo real, en el aula.

Contenido de clase completo y a nivel de fuente

Desarrollados conjuntamente con profesores universitarios, los kits de aprendizaje de NVIDIA proporcionan contenido para ayudar a los educadores universitarios a incorporar GPU en su currículo y ofrecer contenido preparado para IA. Además, el acceso a los cursos gratuitos en línea de DLI ofrece la oportunidad de obtener certificados de aptitud en la materia para apoyar el crecimiento profesional.

 Syllabi, diapositivas de conferencias y vídeos

Syllabi, diapositivas de conferencias y vídeos

Laboratorios prácticos, cuestionarios, exámenes y soluciones

Laboratorios prácticos, cuestionarios, exámenes y soluciones

Guías de inicio rápido y libros electrónicos

Guías de inicio rápido y libros electrónicos

Recursos de computación de GPU basados en la nube

Recursos de computación de GPU basados en la nube

Los kits de aprendizaje de DLI son muy útiles para mí y actúan como refuerzo de clase. Inicialmente, empiezo con los ejemplos de entrenamiento básicos. Los kits me ayudan a enseñarles los conceptos básicos del deep learning, como las redes neuronales convolucionales, las redes neuronales recurrentes y sus procesos de entrenamiento.

- Vipul Kumar Mishra, profesor asociado, Bennett University, India

Los estudiantes saben que el material que presentamos es moderno y actualizado, lo que les da confianza en él y genera mucha emoción.

– Daniel Wong, profesor adjunto de ingeniería eléctrica e informática, Universidad de California, Riverside

Si deseas pasar el tiempo de forma productiva y realizar una investigación interesante, utiliza el kit de aprendizaje. Ahorrarás un tiempo valioso y tendrás libertad para hacerlo a tu manera, adaptado a tu cultura y a las demandas de tus propios estudiantes, pero con recursos de muy alta calidad.

- Sunita Chandrasekaran, profesora adjunta, Universidad de Delaware

Los kits de aprendizaje de DLI son muy útiles para mí y actúan como refuerzo de clase. Inicialmente, empiezo con los ejemplos de entrenamiento básicos. Los kits me ayudan a enseñarles los conceptos básicos del deep learning, como las redes neuronales convolucionales, las redes neuronales recurrentes y sus procesos de entrenamiento.


- Vipul Kumar Mishra, profesor adjunto, Bennett University, India

Los estudiantes saben que el material que presentamos es moderno y actualizado, lo que les da confianza en él y genera mucha emoción.


– Daniel Wong, profesor adjunto de ingeniería eléctrica e informática, Universidad de California, Riverside

Si deseas pasar el tiempo de forma productiva y realizar una investigación interesante, utiliza el kit de aprendizaje. Ahorrarás un tiempo valioso y tendrás libertad para hacerlo a tu manera, adaptado a tu cultura y a las demandas de tus propios estudiantes, pero con recursos de muy alta calidad.


- Sunita Chandrasekaran, profesora adjunta, Universidad de Delaware

Universidades asociadas

NVIDIA se asocia con las principales universidades para desarrollar conjuntamente contenido para los kits de aprendizaje de DLI, combinando los conceptos básicos académicos y la teoría con los últimos recursos tecnológicos.

Universidad de Delaware
Universidad de Illinois
NYU
Prairie view A & M University
UMBC
Universidad de Oxford

Mejora las habilidades de tus estudiantes en computación acelerada, IA y ciencia de datos.