以下精選 NVIDIA 8 堂 AI 免費線上課程，讓你循序漸進、技能值點好點滿！
1. 生成式 AI 解說
「生成式 AI 解說」（Generative AI Explained）是 NVIDIA 近期上線的免費課程，透過這門課，你可以學習到 NVIDIA 如何定義生成式 AI，並解釋生成式 AI 的工作原理。課堂也將讓你學習如何描述不同的生成式 AI 應用，以及解釋生成式 AI 的挑戰和機會。
課程時間長度 2 小時，共有 5 個小節，每個小節都附有小測驗，讓你了解自己的學習成效。除此，也有課程講義可參考。這門課只要具備機器學習和深度學習概念，非常適合初學者參加。
2. 在 10 分鐘建構大腦！
「在 10 分鐘建構大腦！」（Building A Brain in 10 Minutes）是 NVIDIA 的長青課程，課程時間 10 分鐘。你可以在這門課學到神經網路怎麼透過資料學習，以及了解神經元背後的數學和科學。NVIDIA 表示，這門課適合任何人，但如要更充分運用這門課，建議具備 Python 的基本概念，並瞭解如何計算線性迴歸。
3. 用 RAG 增強你的 LLM
RAG （Retrieval-Augmented Generation，檢索增強生成）是一種架構，讓開發者不用重新訓練模型，用外部資料來源就可以優化 LLM （大型語言模型）的輸出。
NVIDIA 「運用 RAG 增強你的大型語言模型」（Augment your LLM Using RAG）課程，可以讓你學到 RAG 的基礎概念、RAG 的檢索過程，讓你知道如何將外部資料與 LLM 整合、如何確保檢索到的資料是相關的等等。課程時間長度 1 小時。
4. 用 LLM 打造 RAG 代理
「用 LLM 打造 RAG 代理」（Building RAG Agents with LLMs），也是 NVIDIA 最新的免費課程之一。根據 NVIDIA，AI 最近的強大發展來自基於檢索的 LLM 系統普及，雖然這能讓工作任務更輕鬆，但需要對 LLM 進行大量查詢，以及高效施作。
因此，這門課程將協助你探索 LLM 和向量資料庫的可擴展部署策略。第二，讓你認識微服務、如何在微服務之間工作，以及如何發展自己的微服務；第三，讓你透過 LangChain 應用框架嘗試開發對話管理和文件檢索方案；第四，透過先進模型進行實作，並了解框架探索明確的後續步驟。這門課總共 8 小時，適合熟悉 LLM 和周圍組合框架、有 Python 中階經驗的人。
5. 資料中心的 AI
「資料中心的 AI」（Introduction to AI in the Data Center）雖然不在 NVIDIA DLI 平台上，但已在 Coursera 平台吸引近 7 千人上課。這門課可以帶你了解 AI、機器學習、GPU 架構、深度學習框架，和在本地或雲端資料中心部署 AI 工作負載的注意事項。課程共 5 小時，適合無經驗的初學者。
6. 不須變更程式碼，就能加速資料科學工作流程
在各產業，資料科學需要快速有效地處理大量數據，背後的工作負載也需要加速，以確保即時得到結果、提高整體生產力。
NVIDIA 的免費課程「不須變更程式碼，就能加速資料科學工作流程」（Accelerate Data Science Workflows with Zero Code Changes），可以了解統一 CPU 和 GPU 工作流程的對於資料科學工作帶來的好處；了解如何不用變更程式碼，就能藉由 GPU 加速不同的資料處理和機器學習工作流程；實際體驗 GPU 加速的工作流程可以減少多少處理時間。
7. Jetson Nano 的 AI 入門
Jetson Nano 是 NVIDIA 專為開發者、學習者打造的小型 AI 電腦，可同時執行多個神經網路，適合應用於影像分類、物體偵測、分割和語音處理。NVIDIA 的免費課程「Jetson Nano 的 AI 入門」（Getting Started with AI on Jetson Nano），可以協助學員在自己的 Jetson Nano 上使用 Jupyter iPython 筆記本，實際建立具有電腦視覺模型的深度學習分類項目。
這門課總長 8 小時，提供證書認證，需要注意的是這門課需要實作，要準備好相關硬體。
8. 在 Jetson Nano 的邊緣端建造影像人工智慧應用程式
「在 Jetson Nano 的邊緣端建造影像人工智慧應用程式」（Building Video AI Applications at the Edge on Jetson Nano）課程也有提供證書。你可以在這門課學到建立用於影像處理的 DeepStream pipelines、處理多個視訊串流、使用替代推理引擎，例如 YOLO。
這些課程僅是探索 AI 世界的管道之一，隨著 AI 不斷重新定義我們所處的世界，保持學習的動能，將能幫助我們應對當前時代的複雜和變動。
※本文授權自科技報橘，原文見此。
.jpg)