JETSON AI コースとCertification



NVIDIAのDeep Learning Institute(DLI)は、開発者、教育者、学⽣、⽣涯学 習者向けに、エッジのAI ハンズオントレーニングと認定を提供します。これ は、キャリアを成⻑させ、前進させるために必要な重要なAIスキルを習得する ための優れた⽅法です。これらの無料オープンソースコースを完了と、Jetson とAIについての理解を⽰すための証明書を取得することもできます。


Jetson AI Certification

NVIDIAは2つのCertificationを提供 - 誰でも完了できるJetson AI Specialist、教育者およびインストラクター向けのJetson AI Ambassador

Jetson AI Specialist

AIについて学び始めたいですか︖このCertificationは誰もが完了することができ、実践的なプロ ジェクトベースの評価を使⽤して、JetsonとAIの能⼒を認定します。このトラックは、上級学習 者が既存のAI知識に基づいて構築するのに理想的ですが、初⼼者は詳細なビデオチュートリア ルに従えば、すぐに習得できます。

推奨される前提条件

  • PythonとLinuxの基本的な知識


Jetson AI Ambassador

このCertificationは教育者を対象としており、実践的なプロジェクトベースの評価とNVIDIAチー ムへのインタビューを使⽤して、JetsonでAIを教える能⼒を認定しています。このトラックは、 ⽣徒にAIを教える準備を⼗分に整えたい教育者やインストラクターにとって理想的です。

Certificationに加えて、教育者がAIカリキュラムを構築するための無料のカリキュラムとオープ ンソースプラットフォーム を提供しています。

メリット

  • 承認されたイベントごとに最⼤500⽶ドルの費⽤の払い戻し(ケータリング、移動、その他対象 となるワークショップ費⽤)、⼤学⽣とスタッフ専⽤に無料で開催されます
  • DLI認定インストラクタープログラムへの正式な参加
  • その他のメリットはここに記載されています。

推奨される前提条件

  • PythonとLinuxの基本的な知識
  • 学術機関または正式なトレーニングプログラムでの教育、またはトレーニング経験

Certificationの要件

要件Jetson AI Specialist CertificationJetson AI Ambassador Certification
Jetson A I基礎コース

プロジェクトベースの評価

DLI認定インストラクタープログラムへの申し込みとNVIDIAチームへのインタビュー

学術機関または正式なトレーニングプログラムでの教育、またはトレーニング経験

Certificationの取得手順

お客様の声

Jetson AIファンダメンタルズ コース概要


Jetson AI ファンダメンタルズ チュートリアルプレイリスト



4時間のオンラインコンテンツ

実践的なミニプロジェクト

オープンソースコンテンツ

ノートブックを使ったインタラク ティブな学習



ハードウェア要件

  • NVIDIA Jetson Nano™ 開発者キットまたはJetson Nano 2GB開発者キット*
  • MicroSDカード (64 GB UHS-1推奨、32 GB UHS-1以上)
  • Micro-B USBケーブル
  • 電源
  • カメラ (Logitech C270 USB WebカメラまたはRaspberry Piカメラモジュールv2)
  • SDカードスロットを備えたPCまたはラップトップ(Windows、Mac、またはLinux)
  • 推奨: NVIDIA JetBot
*任意のJetsonを使用してコースを完了することができます(Jetson TK1を除く)。

コース詳細

コマンドラインのインターフェイスと Linux コマンド

このビデオではターミナルとコマンドラインからLinuxシステムを操作する方法について説明しています。ファイルの移動、コピー、削除、および編集する方法についても説明しています。(提供:Paul McWhorter氏)


Python の紹介

このビデオではPython でコーディングする方法を説明しています。Printing、user input、for loops、if statements、conditionals、while loops と arrays について学びます。(提供:Paul McWhorter氏)

セクション 1 - NVIDIA Deep Learning InstituteのJetson Nano でAIを始める

このコースでは、独自のJetson NanoでJupyterノートブックを使用して、コンピュータビジョンモデルを使用したディープラーニングの分類と回帰プロジェクトを作成します。 す。

コースに登録し、ビデオをご覧ください。

エピソード 1

このエピソードでは、はじめての方向けにJetPackを使用したJetson Nanoのセットアップ方法について説明します。


エピソード 2

このエピソードではJetson Nanoにリモートでログインし、Dockerコンテナを実行してJupyterLab とnotebookコースにアクセスする方法について説明します。Hello Camera Jupyter notebookではじめてカメラをテストします。


エピソード 3

このエピソードでは、PyTorchプロジェクトを順を追いながら学び、Jetson Nanoでディープニューラルネットワークをトレーニングし、カメラで収集したデータを使って画像分類の実験をします。


エピソード 4

このエピソードでは、画像の回帰ディープニューラルネットワークモデルをトレーニングして、カメラで収集した画像内の特定オブジェクトのXY座標を推測する方法について説明します。

JetBot はオープンソースのAIロボットプラットフォームであり、メーカー、学生、愛好家に、創造的で楽しくスマートなAIアプリケーションを作成するための、必要なすべてを提供します。物体認識や衝突回避などの、複数センサーとニューラルネットワークを並列サポートしたJetson Nano開発キットを搭載しています。ここにあるJetbot wikiで、以下のビデオに従って機能を理解し、学ぶことができます。JetBotは、こちらのパートナーから購入できます。注: JetBotは、Jetson AI ファンダメンタルズコースのオプションコンポーネントです。

Episode 1 - JetBot とハードウェアの紹介

Jetson Nano の JetBotは、ロボット工学とディープラーニングの優れた入門書です。独自のハードウェアを構築するにはいくつかのオプションがあります。ここでは独自のハードウェアを作成するためのいくつかの貴重なヒントを紹介します。


エピソード2 - JetBot ソフトウェアのセットアップ

JetBot のハードウェアを作成した後、コンテナベースのアプローチを使用してソフトウェアをセットアップするプロセスをおこないます。コンテナを使用すると、他のソフトウェアパッケージへの依存関係を心配することなく、すべての必要なディープラーニングライブラリをロードできます。ここではモーターもテストします。


エピソード 3 - JetBot の衝突回避

ソフトウェアをロードしてJetBot を実行しているモーターがディープラーニングを使用して、走行時の衝突を回避する準備が整いました。画像収集し、転送学習を使ってモデルをトレーニングして、問題が発生を防ぎます。次には JetBot にロードしてテストします。


エピソード 4 - JetBot 道路追跡

ここではJetBot が道路をたどるようにトレーニングします。トレーニングデータを収集し、回帰モデルを使用してトレーニングし、今後の適切な進路を予測します。JetBot にモデルされると、JetBotは道路に沿って運転します。

Hello AI World はJetsonを使い始めて、AIパワーを体験する最適な方法です。わずか数時間で Jetson 開発者キットのJetPack SDK™とNVIDIA TensorRT™を使用して、リアルタイムの画像分類、オブジェクト検出、およびセグメンテーションをおこなうための一連のディープラーニング推論デモがおこなえます。PyTorchを使用して、独自のデータセットを収集し、Jetsonに搭載された独自のDNNモデルをトレーニングすることもできます。

エピソード 1 - Hello AI World セットアップ

Jetson NanoでHello AI World コンテナをダウンロードして実行し、カメラフィードをテストし、RTP経由でネットワークを介してストリーミングする方法を確認します。


エピソード 2 - 画像分類推論

Jetson Nano とディープラーニングを使って画像分類用の独自のPythonプログラムをコーディングし、ライブカメラストリームでリアルタイム分類をおこないます。


エピソード3 - 画像分類モデルのトレーニング

Jetson Nano に搭載されたPyTorchを使って画像分類モデルをトレーニングする方法を習得し、独自の分類データセットを収集してカスタムモデルを作成します。


エピソード 4 – オブジェクト検出推論

Jetson Nano とディープラーニングを使用して、オブジェクト検出用の独自のPythonプログラムをコーディングし、ライブカメラストリームでリアルタイム検出を試してください。


エピソード5 – オブジェクト検出モデルのトレーニング

Jetson Nano に搭載されたPyTorchを使用してオブジェクト検出モデルをトレーニングする方法を学び、独自の検出データセットを収集してカスタムモデルを作成します。


エピソード 6 – セマンティックセグメンテーション

Jetson Nano でネットワークが畳み込み層のみで構成されたセマンティックセグメンテーションを試して、ライブカメラストリームでリアルタイムのセグメンテーションを実行します。


ハンズオン、プロジェクトベースの評価

資料の理解度に基づいて、NVIDIA Jetsonを使用し、GPUアクセラレーションを備えたAI(機械学習またはディープラーニング)要素を組み込んだ、オープンソースプロジェクトの設計と提出、ならびにプロジェクトの実際の様子を撮影したビデオの提出も必要です。たとえば、独自のデータセットを収集して特定のアプリケーション用に新しいDNNモデルをトレーニングし、JetBotに新しい自律モードの追加、AIを使用したスマートホーム/ IoTデバイスの作成などです。ここで取り上げられているトピックに限定する必要はありません。コース、インスピレーションについて は Jetson Community Projects の ページを参照してください-可能性は無限大です!

Certificationに合格するために、プロジェクトは次の基準に基づいて審査されます。

  • AI (5 ポイント)- プロジェクトがディープラーニング、機械学習、そして/またコンピュータビジョンを意味のある方法で活用しており、さらにAIを使ったアプリケーションの開発の基本的な理解ができていること。重要な要素:効率、技術的複雑さ、Jetson上での AI パフォーマンス
  • インパクト/ オリジナリティ(5ポイント)- プロジェクトが新奇性を持ち、自分もしくは社会のもつ課題を解決するためにAIが使われていること。また、アイデアや制作物が独創的または派生的か。
  • 再現性(5ポイント)- 他の誰かがプロジェクトをビルドして使うことができるためのプランや、コード、リソースがレポリトジーに入っており、簡単にフォローできること。
  • プレゼンテーションおよびドキュメンテーション(5ポイント)- ビデオが効果的にプロジェクトやデモをおこない、様々な面からプロジェクトの説明をしていること。明瞭で完全なReadmeがレポジトリーに入っており、プロジェクトのビルドと実行のための各ステップが文書化されていること。教育者の場合は、ビデオに口頭でのプレゼンテーションを含んでいただき授業スキルの確認もします。

約10〜14日以内にプロジェクトのスコアを受け取り、承認された場合は、適切なJetson AI Certificationが


Jetson AI SpecialistJetson AI Ambassador

プロジェクトを提出してください

プロジェクトを提出する

NVIDIA開発者のログインが必要

プロジェクトとDLI認定インストラクター申請書を提出してください

プロジェクトを提出する

NVIDIA開発者のログインが必要