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：
使用 LLM 构建 RAG 智能体：
https://courses.nvidia.com/courses/course-v1:DLI+S-FX-15+V1/
