英伟达AI新课爆火！免费学习，干货满满
很多课小白也能看懂
西风 发自 凹非寺
量子位 | 公众号 QbitAI
不用199，也不用9.9，英伟达黄院士免费给大伙儿送AI课了！
从数据科学到深度学习，再到生成式AI，全都有免费课程上新，且不少课入门小白也能看懂。
有网友整理po出了9节干货课程，非常火爆：
点开每节课不光有录制的课程视频，还有讲义、PPT、课后问题等学习资料。
大批网友已迫不及待地码住：
网友强烈安利这9节课
1、解释生成式AI
在这门课程中，你可以学到：
- 生成式AI的定义、工作原理
- 各种生成式AI应用
- 生成式AI的挑战和机遇
课前要求是需对机器学习和深度学习有基本的了解。
2、10分钟内构建大脑
这节课时长仅有10分钟，探讨了世界上第一个神经网络背后的生物学和心理学灵感。
在这门课程中，你可以学到：
- 神经网络如何使用数据进行学习
- 神经元背后的数学原理
看课前建议：了解Python 3中的基本编程概念，如函数、循环、字典和数组；了解如何计算回归线。
3、使用LLM构建RAG智能体
这节课时长8小时，课程内容包括：
- 探索LLM和向量数据库的可扩展部署策略
- 学习微服务知识，掌握如何在微服务之间协作以及如何开发属于自己的微服务
- 利用LangChain范式来开发对话管理和文档检索解决方案
- 用最先进的模型练习，明确有关产品化和框架探索的后续步骤
适合熟悉LLM及其相关组合框架（如LangChain），具有中级Python水平，最好有网络工程和开发运维背景的人群学习。
4、使用RAG增强LLM性能
学习内容包括：
- RAG基础知识
- RAG检索过程
- 英伟达AI基础和RAG模型组件
5、数据中心的AI
学习内容包括：
- AI用例、机器学习、深度学习及其工作流程
- GPU架构及其对AI的影响
- 深度学习框架和部署注意事项
点开课程后是这样婶儿的：
6、零代码更改加速数据科学工作流
在众多行业内，现代数据科学的需求是快速且高效地处理大数据量。NVIDIA RAPIDS能够为众多数据科学任务提供GPU加速，而且无需修改代码。
在这门课程中，你可以：
- 了解跨CPU和GPU的统一工作流在数据科学任务中的优势
- 学习如何在不更改代码的情况下，为各种数据处理和机器学习工作流程实现GPU加速
- 体验当工作流程通过GPU加速时，处理时间显著缩短的效果
看课前建议：对表格数据上的数据处理和标准数据科学工作流程有基本的理解；具有使用常见Python数据分析库的经验；使用的工具、库、框架包括：NVIDIA RAPIDS（cuDF, cuML, cuGraph）、pandas、scikit-learn和NetworkX。
7、掌握推荐系统
这节课讲的内容有关英伟达Kaggle Grandmasters构建电子商务推荐系统的策略，涵盖2阶段模型、候选模型生成、特征工程和集成方法。
适合数据科学家、机器学习工程师以及对推荐系统和数据科学竞赛感兴趣的人观看。
点开后可以观看视频讲座，并附有详细的解释和真实例子。
8、网络技术入门
学习内容包括：
- 了解网络及其重要性。
- 探索以太网基础知识及以太网网络中的数据转发。
- 讨论网络组件、需求、OSI模型、TCP/IP协议。
具体是这样婶儿的：
9、如何进行大规模图像分类
学习内容主要是如何进行大规模图像分类，涵盖挑战、建模技术和验证策略。
适合数据科学家、机器学习从业者以及对深度学习竞赛感兴趣的人观看。
参考链接：https://twitter.com/heyshrutimishra/status/1771206798881825005
课程链接在这里
解释生成式AI：
https://courses.nvidia.com/courses/course-v1:DLI+S-FX-07+V1/
10分钟内构建“大脑”：
https://courses.nvidia.com/courses/course-v1:DLI+T-FX-01+V1/
使用RAG增强LLM性能：
https://courses.nvidia.com/courses/course-v1:NVIDIA+S-FX-16+v1/
数据中心的AI：
https://www.coursera.org/learn/introduction-ai-data-center
零代码更改加速数据科学工作流：
https://courses.nvidia.com/courses/course-v1:DLI+T-DS-03+V1/
掌握推荐系统：
https://www.classcentral.com/course/youtube-grandmaster-series-mastering-recommender-systems-184298
网络技术入门：
https://www.coursera.org/learn/introduction-to-networking-nvidia
如何进行大规模图像分类：
https://www.classcentral.com/course/youtube-grandmaster-series-how-to-perform-large-scale-image-classification-130184
使用LLM构建RAG智能体：
https://courses.nvidia.com/courses/course-v1:DLI+S-FX-15+V1/
- 微软开源视频Tokenizer新SOTA！显著优于Cosmos Tokenizer和Open-Sora2024-12-26
- 英伟达年终核弹！全新B300为o1推理大模型打造，RTX5090也曝光了2024-12-26
- 时隔6年BERT升级！仅编码器架构没被杀死，更快更准确更长上下文2024-12-24
- 李飞飞谢赛宁新作「空间推理」：多模态大模型性能突破关键所在2024-12-23
相关阅读
英伟达加速澳大利亚 Pawsey 超算中心量子计算探索工作
科学家将使用由 NVIDIA Grace Hopper 超级芯片加速的 NVIDIA CUDA Quantum 平台运行最先进的量子计算模拟
