Módulo 8.2: Deep Learning con GPUs. Herramientas, aceleración y optimizaciones

El desarrollo de este módulo tiene lugar en las dos primeras semanas de marzo, desde el lunes día 2 hasta el viernes 13.

El objetivo de este módulo, es aprender a manejar las herramientas más vanguardistas para la implementación de proyectos de Deep Learning de la forma más rápida y eficiente sobre un computador de última generación aprovechando la aceleración en GPU y los recursos de supercomputación existentes en las arquitecturas de Nvidia, fabricante de más del 75% de las GPUs del mercado. Para ello, se pondrá a disposición del alumno de forma gratuita el curso “Fundamentals of Deep Learning for Computer Vision” perteneciente al Deep Learning Institute de Nvidia (DLI), donde podrá poner en práctica todas las técnicas descritas utilizando en la nube las GPUs más actuales para adquirir las siguientes competencias:

• Implementar flujos de trabajo típicos de Deep Learning, como clasificación de imágenes y detección de objetos, familiarizándose con los elementos esenciales del Deep Learning e interactuando con los procesos de entrenamiento y validación.
• Experimentar con el conjunto de datos, los parámetros de entrenamiento, la estructura de la red neuronal y otras estrategias para cambiar el comportamiento y mejorar el rendimiento y las habilidades de las redes neuronales profundas.
• Discriminar los tipos de problemas que pueden resolverse con Deep Learning.
• Integrar y desplegar redes neuronales en sus propias aplicaciones para comenzar a resolver problemas complejos del mundo real.

A la conclusión del curso, el alumno tendrá la oportunidad de evaluarse dentro del DLI para lograr la certificación en Deep Learning avalada por la empresa Nvidia, lo que acreditará sus conocimientos para afianzar su carrera profesional y méritos curriculares en este área.

Tecnologías: Caffe, TensorRT, DIGITS, GPUs de última generación de Nvidia, Jupyter notebooks, Amazon Web Services (AWS). Todos estos recursos se encuentran ya instalados, configurados y accesibles a través de la plataforma del DLI de Nvidia.