NVIDIA 為了強化其基於 GPU 與 CUDA 的各類 AI 技術與應用，除了持續推出大量產品外，也向下紮根到學習與教育市場，而今年 GTC 大會更藉由僅 99 美金的 Jetson Nano 嵌入式 AI 開發平台，為學生與 AI 開發者提供便宜但性能強大、且具備與 NVIDIA 平台開發一致性的基礎 AI 裝置，而此次 NVIDIA 也首度將 Jetson Nano 加入深度學習坊的教程，提供 Jetson DLI 課程，為這項廣受學生與開發者歡迎的平價平台提供基礎技術教育。
深度學習實作坊提供三種教育課程模式，針對 20 人內的小型團隊， NVIDIA 提供線上自學課程內容，讓有志學習 AI 技術的人員可藉線上課程內容學習技術，而針對 20 人以上團隊則可與 NVIDIA 洽詢，由 NVIDIA 方協助安排整天的教育與深度學習實作坊認證課程，此外針對大型企業還有從基本介紹、混合線下與線上的教育訓練服務。
而此次 NVIDIA 針對 Jetson Nano 提供基本教程，以共 8 小時的教程，讓參與課程的人員能搭配 jupyter 就夠機器視覺的深度學習分類專案，從基礎到實作學習如何應用 Jetson Nano ，進而開發自己的應用；當前 Jetson Nano 的教程僅先提供英文，未來預計陸續提供多國語言版本，包括繁體中文、韓文、日文、簡體中文等，雖然是初階課程， NVIDIA 推薦使用者具備 Python 使用經驗會較容易上手。
八小時的課程包括以下： 1 、設定 Jetson Nano 與攝影機。 2 、收集用於分類模型的影像資料。 3 、對影像資料加上註解，以便用於迴歸模型。 4 、使用這些資料來訓練一套神經網路，建立自己的模型。 5 、使用建立的模型，在 Jetson Nano 上進行推。 6 、斷完成時就能使用 Jetson Nano 建立自己的深度學習分類和迴歸模型。
除了 Jetson Nano DLI 外，針對首度接觸的初學者到進階使用者， NVIDIA 還有許多與 Jetson Nano 相關的課程與應用，諸如初步的 Hello AI World ，就可在數小時內搭配 JetPack SDK 、 NVIDIA TensorRT 開發利用預訓練模型進行影像分類、物體偵測的深度學習推論展示內容。或是透過 JetBot 開源機器人，學習如何利用搭配配件與 AI ，做出可追蹤物體與避免碰撞的機器人，對自動駕駛有興趣的開發者，亦可藉由 JetRacer AI 賽車套件，以包括 Jetson Nano 不到 400 美金的價格，打造一台可進行 AI 道路追蹤的賽車，並只需使用瀏覽器就可完成互動程式碼編寫。
