NLP算法工程师卷得要死，部署工程师却成为了香饽饽
近两年，算法岗位越来越卷，供大于求，尤其是计算机视觉岗位。根据面试官的反馈，大多数去面试的小伙伴只能称之为”做过“，绝大部分人基础不牢、代码能力弱，或是对技术没有思考、项目经验太水。究其本质原因是计算机视觉的入门门槛低得可怕，很多理工专业的同学都跑过深度学习模型。AI行业的高薪及快速发展，使得计算机视觉也正悄然发生着巨变。之前我们总是追求算法能达到多少精确率和召回率，但在实际落地时，却发现速度太慢，压根不能用。这时怎么办呢？算法部署工程师闪亮登场！算法部署工程师，顾名思义，就是将算法在嵌入式设备端或者服务器端进行推理部署的，会想尽办法对算法进行优化和加速，以满足实时性的需求。部署岗位通常要求的技能点为熟悉CUDA开发与TensorRT部署。
CUDA是NVIDIA推出的运算平台，TensorRT是NVIDIA推出的高性能的深度学习推理（Inference）优化器，是目前应用最广泛的推理框架之一，在超大规模数据中心、嵌入式平台、自动驾驶平台等应用十分广泛。虽然NVIDIA有官方的TensorRT文档以及案例库，但英文的材料对初学者入门并不友好。为此，深蓝学院与腾讯高级研究员一起研发了《深度神经网络加速：cuDNN 与 TensorRT》的课程，细致讲解CUDA运算的理论支撑与实践，以及cuDNN、TensorRT这两个当下最热门的深度神经网络加速的工具。
01强大的师资力量杨伟光，腾讯高级研究员，大连理工大学硕士毕业后一直在腾讯从事语音领域深度学习加速上线工作。近10年CUDA开发经验，近5年TensorRT开发经验；Github TensorRT_Tutorial作者。
康博，高级研究员主要方向为自然语言处理、智能语音及其在端侧的部署。博士毕业于清华大学，在各类国际AI会议和刊物中发表论文10篇以上，多次获得NIST主办的国际比赛top 2成绩。近年来主要研究方向为AI在场景中的落地应用。
02详尽的课程大纲
03我们的课程优势
04本课程适合人群1. 人工智能领域的算法或者开发工程师，尤其是工作涉及深度学习的模型。
2. 希望学习并行计算系统的科研工作者以及工程师。
05本期课程学习收获1. 掌握CUDA并行系统的分析、开发、调试与优化方法。
2. 熟悉CUDA的基本概念以及主流的并行运算。3. 了解cuDNN与TensorRT两个深度学习模型的加速工具
4. 具备动手实践深度学习模型加速的能力
06抢占名额
扫码报名，了解详情
请务必备注【1115】，优先通过哦
01强大的师资力量杨伟光，腾讯高级研究员，大连理工大学硕士毕业后一直在腾讯从事语音领域深度学习加速上线工作。近10年CUDA开发经验，近5年TensorRT开发经验；Github TensorRT_Tutorial作者。
康博，高级研究员主要方向为自然语言处理、智能语音及其在端侧的部署。博士毕业于清华大学，在各类国际AI会议和刊物中发表论文10篇以上，多次获得NIST主办的国际比赛top 2成绩。近年来主要研究方向为AI在场景中的落地应用。
02详尽的课程大纲
03我们的课程优势
1. 内容精简：主讲CUDA核心的并行运算操作
2. 知识前沿：本期课程涵盖当下主流的深度学习模型加速工具
04本课程适合人群1. 人工智能领域的算法或者开发工程师，尤其是工作涉及深度学习的模型。
2. 希望学习并行计算系统的科研工作者以及工程师。
05本期课程学习收获1. 掌握CUDA并行系统的分析、开发、调试与优化方法。
2. 熟悉CUDA的基本概念以及主流的并行运算。3. 了解cuDNN与TensorRT两个深度学习模型的加速工具
4. 具备动手实践深度学习模型加速的能力
06抢占名额
扫码报名，了解详情
请务必备注【1115】，优先通过哦