Jetson AI 과정 및 인증



NVIDIA의 DLI(Deep Learning Institute)는 개발자, 교육자, 학생, 평생 학습자에게 최첨단 AI 분야의 실용적인 핸즈온 교육과 인증 기회를 제공합니다. 여러분이 성공을 거두고 경력에서 나아가는 데 필요한 중요 AI 기술을 익힐 아주 좋은 기회입니다. 무료 오픈 소스 과정을 이수하면 Jetson 및 AI 지식을 증명하는 인증을 받을 수도 있습니다.


Jetson AI 인증

NVIDIA는 누구나 완료할 수 있는 Jetson AI 전문가 트랙과 교육자 및 강사를 위한 Jetson AI 앰배서더 트랙의 두 가지 인증 트랙을 제공합니다.


Jetson AI 전문가

AI에 대한 학습을 시작하시겠습니까? 이 인증은 누구나 완료할 수 있으며 프로젝트 기반의 핸즈온 평가를 통해 Jetson 및 AI 역량을 인정합니다. 이 트랙은 고급 학습자가 기존 AI 지식에 더 깊은 지식을 쌓는 데 이상적이며, 입문자는 깊이있는 동영상 튜토리얼을 따라하면서 이해도를 빠르게 높일 수 있습니다.

이점

  • NVIDIA Deep Learning Institute 인증 및 오픈 소스 프로젝트로 AI 기술을 선보이세요.

권장 전제 조건

  • Python 및 Linux에 대한 기본 지식

Jetson AI 앰배서더

이것은 교육자를 위한 인증으로, Jetson에서의 AI를 가르칠 역량을 인정받기 위해 프로젝트 기반의 핸즈온 평가와 NVIDIA 팀과의 면접을 거치게 됩니다. 이 트랙은 학생들에게 AI를 가르칠 준비가 되어 있는 교육자나 강사에게 이상적입니다.

인증에 더해, 교육자가 AI 커리큘럼을 구성할 수 있도록 무료로 이용 가능한 커리큘럼과 오픈 소스 플랫폼 도 제공합니다.

이점

  • 학생 및 교직원을 위해 독점적으로 개최되는 이벤트당 최대 USD $500 비용 환급(예: 케이터링, 여행 및 기타 적격 워크숍 비용)
  • Jetson Nano 2GB 개발자 키트 그랜트 프로그램을 통한 무료 개발자 키트(최대 5개) 고려 대상
  • DLI 공인 인스트럭터 프로그램에 공식 참여
  • 추가 혜택은 여기에서 확인할 수 있습니다.

권장 전제 조건

  • Python 및 Linux에 대한 기본 지식
  • 교육 기관 또는 정식 교육 프로그램에서 교육 진행 또는 트레이닝 경험

각 인증의 요구 사항은 아래에 나와 있습니다.
요구 사항 Jetson AI 전문가 인증 Jetson AI 앰배서더 인증
Jetson AI 기초 과정

프로젝트 기반 평가

DLI 인증 강사 프로그램 신청 및 NVIDIA 팀과의 면접

교육 기관 또는 정식 교육 프로그램에서 교육 진행 또는 트레이닝 경험

인증 절차는 다음과 같습니다.

Testimonials

Jetson AI 기초 과정 개요


Jetson AI 기초 튜토리얼 재생 목록




4시간 분량의 온라인 콘텐츠

핸즈온 미니 프로젝트

오픈 소스 콘텐츠

노트북을 이용한 인터랙티브 학습




하드웨어 요구 사항

  • NVIDIA Jetson Nano™ 개발자 키트 또는 Jetson Nano 2GB 개발자 키트*
  • MicroSD 카드(64GB UHS-1 권장, 최소 32GB UHS-1)
  • Micro-B USB 케이블
  • 전원 공급 장치
  • 카메라(Logitech C270 USB 웹캠 또는 Raspberry Pi 카메라 모듈 v2)
  • SD 카드 슬롯이 있는 PC 또는 노트북(Windows, Mac 또는 Linux)
  • 추천: NVIDIA JetBot
*과정을 이수하는 데 어떤 Jetson이든 사용할 수 있습니다(Jetson TK1 제외).

과정 세부 정보

명령줄 인터페이스 및 Linux 명령

이 영상에서는 터미널에서 명령줄에 이르는 Linux 시스템을 탐색하는 방법에 대해 다룹니다. 또한 파일 이동, 복사, 삭제 및 편집 방법도 살펴봅니다. (Paul McWhorter 제공)


Python 소개

이 영상 강의에서는 Python으로 코딩하는 방법을 살펴봅니다. 인쇄, 사용자 입력, for 루프, if 문, 조건문, while 루프 및 배열에 대해 배웁니다. (Paul McWhorter 제공)

섹션 1 - NVIDIA Deep Learning Institute의 Jetson Nano 과정에서 AI 시작하기

이 과정에서는 Jetson Nano에서 Jupyter Notebook을 사용하여 컴퓨터 비전 모델로 딥러닝 분류 및 회귀 프로젝트를 구축해 봅니다.

과정 에 등록하시고 아래의 안내 영상을 따르세요.

에피소드 1

이 에피소드에서는 JetPack을 통해 처음으로 Jetson Nano를 설정하는 방법을 다룹니다.


에피소드 2

이 에피소드에서는 Jetson Nano에 원격 로그인하고 Docker 컨테이너를 실행하여 JupyterLab 및 수업용 노트북에 액세스하는 방법을 다룹니다. Hello Camera Jupyter 노트북에서 처음으로 카메라를 테스트하게 됩니다.


에피소드 3

이 에피소드에서는 Jetson Nano에서 딥 뉴럴 네트워크를 트레이닝하고 카메라로 수집한 데이터의 이미지를 분류하도록 실험하는 PyTorch 프로젝트로 안내합니다.


에피소드 4

이 에피소드에서는 카메라로 수집한 이미지 속 특정 물체의 X-Y 좌표를 추론하기 위해 이미지 회귀 딥 뉴럴 네트워크를 트레이닝하는 방법을 다룹니다.

JetBot 은 제조사, 학생, 마니아에게 창의적이며 재미있는 스마트 AI 애플리케이션을 제작하는 데 필요한 모든 것을 제공하는 오픈 소스 AI 로봇 플랫폼입니다. 이 플랫폼은 다양한 센서와 신경망이 병렬 구동하여 물체 인식, 충돌 방지 등의 기능을 지원하는 Jetson Nano 개발자 키트에 기반합니다. Jetbot 위키는 여기 에서 확인 가능하며 아래 영상을 시청하여 그 기능을 자세히 이해하고 알아볼 수 있습니다. 파트너사로부터 JetBot을구매하려면 여기를 클릭하세요. 참고: JetBot은 Jetson AI 기초 과정에서 옵션으로 선택 가능한 구성 요소입니다.

에피소드 1 - JetBot 소개 및 하드웨어

The Jetson Nano JetBot 은 로보틱스 및 딥러닝에 대해 잘 이해할 수 있는 훌륭한 방법입니다. 자체 하드웨어를 구축하는 몇 가지 옵션을 알려주며 몇몇 유용한 팁도 공유합니다.


에피소드 2 - JetBot 소프트웨어 설정

JetBot 하드웨어를 빌드한 후, 컨테이너 기반 접근 방식을 사용하여 소프트웨어를 설정하는 프로세스를 짚고 넘어갑니다. 컨테이너를 사용하면 다른 소프트웨어 패키지에 대한 종속성을 걱정할 필요 없이 필요한 모든 딥러닝 라이브러리를 로드할 수 있습니다. 모터도 테스트합니다!


에피소드 3 - JetBot 충돌 방지

JetBot의 소프트웨어가 로드되고 모터가 실행되기 시작하면 이제 경로 탐색 시 충돌을 피하도록 딥러닝을 사용할 준비가 된 것입니다. 이미지를 수집하고 물체에 충돌하지 않도록 전이 학습을 사용하여 모델을 트레이닝한 다음 JetBot에 로드하여 테스트합니다.


에피소드 4 - JetBot 길 따라가기

여기서 우리는 JetBot이 길을 따라가도록 트레이닝합니다. 트레이닝 데이터를 수집한 다음, 앞으로 나아가기에 좋은 전방 경로를 예측하도록 회귀를 사용하여 모델을 트레이닝합니다. 모델이 JetBot에 배치되면 JetBot이 길을 따라 주행합니다.

Hello AI World 는 Jetson을 처음 사용해보면서 AI의 힘을 경험하기에 훌륭한 선택지입니다. 이 튜토리얼에서는 단 몇 시간 만에 JetPack SDK™ 및 NVIDIA TensorRT™를 통해 Jetson 개발자 키트에서 실시간 이미지 분류, 물체 검출, 세분화를 위한 일련의 딥러닝 추론 데모를 실행할 수 있습니다. 또한 Jetson에서 PyTorch를 사용하여 나만의 데이터세트를 수집하고 나만의 DNN 모델을 트레이닝할 수 있습니다.

에피소드 1 - Hello AI World 설정

Jetson Nano에서 Hello AI World 컨테이너를 다운로드 및 실행하고, 카메라 피드를 테스트하고, RTP를 통해 네트워크에서 스트리밍하는 방법을 확인하세요.


에피소드 2 - 이미지 분류 추론

Jetson Nano 및 딥러닝을 사용하여 이미지 분류를 위해 나만의 Python 프로그램을 코딩한 다음 라이브 카메라 스트림에서 실시간 분류 기능을 실험해 보세요.


에피소드 3 - 이미지 분류 모델 트레이닝

Jetson Nano에서 PyTorch를 사용하여 이미지 분류 모델을 트레이닝하고 맞춤형 모델을 만들기 위해 나만의 분류 데이터세트를 수집하는 방법을 알아보세요.


에피소드 4 - 물체 검출 추론

Jetson Nano 및 딥러닝을 사용하여 물체 검출을 위해 나만의 Python 프로그램을 코딩한 다음 라이브 카메라 스트림에서 실시간 검출 기능을 실험해 보세요.


에피소드 5 - 물체 검출 모델 트레이닝

Jetson Nano에서 PyTorch를 사용하여 물체 검출 모델을 트레이닝하고 맞춤형 모델을 만들기 위해 나만의 감지 데이터세트를 수집하는 방법을 알아보세요.


에피소드 6 - 의미론적 분할

Jetson Nano에서 완전 컨볼루션 의미론적 분할 신경망으로 실험하고 라이브 카메라 스트림에서 실시간 분할 기능을 실행해 보세요.


핸즈온 프로젝트 기반 평가

각자의 자료 이해도를 바탕으로, NVIDIA Jetson을 사용하고 AI(머신 러닝 또는 딥 러닝)의 요소를 GPU 가속과 통합하는 오픈 소스 프로젝트를 빌드해서 제출해야 하며, 프로젝트를 실행하는 데모 비디오가 필요합니다. 예를 들어, 나만의 데이터세트를 수집하고 특정 애플리케이션에 대한 새로운 DNN 모델을 트레이닝하거나, JetBot에 새 오토노머스 모드를 추가하거나, AI를 사용하여 스마트 홈/IoT 장치를 만들 수 있습니다. 과정에서 다루는 주제만으로 제한할 필요 없습니다. Jetson 커뮤니티 프로젝트 페이지에서 영감을 얻어보세요. 무한한 가능성이 펼쳐집니다!

프로젝트는 다음 기준에 따라 검토를 받은 후 인증 합격을 받을 수 있습니다:

  • AI(5점) - 프로젝트에서 딥러닝, 머신 러닝 및/또는 컴퓨터 비전을 의미 있는 방식으로 사용하며 AI를 사용하여 애플리케이션을 만드는 근본적인 이해도를 보여줍니다. 채점 기준으로는 Jetson에서 AI 솔루션의 효율성, 기술적 복잡도, 성능 등이 있습니다.
  • 영향력/독창성(5점) - 프로젝트의 개념이 참신하고 자신이나 사회가 직면한 과제 또는 문제를 해결하기 위해 AI를 적용합니다. 또한, 아이디어와 작업이 독창적이거나, 중요한 방식으로 파생되었어야 합니다.
  • 재현성(5점) - 다른 사람이 프로젝트를 빌드하고 사용하는 데 필요한 계획, 코드, 리소스가 전부 리포지토리에 있으며 따라하기가 쉬워야 합니다.
  • 프리젠테이션 및 문서 기록(5점) - 영상이 프로젝트의 다양한 측면을 효과적으로 시연하고 설명하며, 리포지토리에 프로젝트를 빌드/실행하는 데 필요한 모든 단계를 기록한 명확하고 완전한 문서와 다이어그램 및 이미지가 존재해야 합니다. 교육자는 자신의 강의 능력을 어필하기 위해 영상에 구두로 발언한 프리젠테이션을 포함시켜야 합니다.

프로젝트 점수는 약 10~14일 안에 받게 되며, 승인이 완료되면 해당 Jetson AI 인증 자격이 부여됩니다.


Jetson AI Specialist Jetson AI Ambassador

Submit your project below

Submit Your Project

NVIDIA Developer Login Required

Submit your project and DLI Certified Instructor application below

Submit Your Project

NVIDIA Developer Login Required


도움이 필요하신가요?

그렇다면커뮤니티 포럼을 통해 문의해주세요.