心血管疾病是引起美国人死亡的主要原因。医生每四十三秒就会诊断出一名患有此病的患者。
找到能加快心脏病诊断速度的更好的新方法至关重要。
因此，我们非常高兴能参加一项旨在应用技术提供帮助的计划 – 可能会改进心脏病患者的护理，帮助他们生活得更久、更健康。
我们支持第二届年度数据科学杯竞赛，并已与博思艾伦咨询公司、Kaggle 的数据科学家社区以及美国国立卫生研究院展开合作。
在本次竞赛中，来自世界各地的数据科学家将努力帮助转变心脏病的诊断。
在这场为期 90 天的竞赛中，参赛团队将会开发机器学习算法来分析现有患者的一千张 MRI 图像。目标: 建立可以自动识别心脏病早期指标的系统。
算法最精准的团队将会赢得 125,000 美元，第二名和第三名则分别获得 50,000 美元和 25,000 美元。
赢得比赛固然很好，但能解决实际问题会更好。
GPU 加速深度学习这一理想应用
机器学习技术正在推动科学和行业取得重大进展。作为机器学习领域发展最为迅速的部分，深度学习定会实现更多可能性。
深度学习擅长于解决人脸检测与识别、语音识别以及图像分类等问题。目前，在某些工作中，此技术的精确度已经超出人工水平。
对于根据 MRI 图像识别心脏病指标这类工作而言，这是一个理想的方法。深度学习算法可用于医学图像分析，以便进行计算机辅助诊断、图像分割和图像配准。
但是通过训练深度神经网络来完成这一工作非常耗时，会消耗几天甚至几周的时间。
深入研究: NVIDIA 技术是深度学习方面最前沿的技术，
有助于数据科学家更快速地设计、训练和改善深度神经网络。
</
GPU 加速可将耗时缩短为几个小时。这样，数据科学家就可以更快速地设计、训练和改善深度神经网络。由此一来，他们便可构建更大型、更成熟，并最终实现更精确的网络。
参与竞赛
我们对自己正在参与竞赛的 GPU 加速深度学习的能力充满信心。我们已经与博思艾伦咨询公司共同组建一支团队，参加数据科学杯竞赛。
我们的目标不是赢得比赛，我们并不是为了奖品而展示我们的工作。
相反，通过在竞赛中展示 GPU 加速深度学习的能力以及分享我们所取得的进步，我们希望帮助其他团队学习并推进其工作。同时，我们也可了解未来的构建计划，以便更好地适应这项任务。
NVIDIA 为竞赛结果增加亮点，获胜团队可以参加 GTC
NVIDIA 不仅参加数据科学杯竞赛，而且还提供了 25,000 美元的奖金。同时，我们还向所有参赛者免费提供在线深度学习教育资料的访问权限。
我们还为三个获胜团队提供即将于明年 (2016 年 4 月 4 日至 7 日，硅谷) 举办的 GPU 科技年会的免费入场券。这次会议将首次展示深度学习、医学成像及其他领域的 GPU 技术。
我们会在 GTC 上招待数据科学杯竞赛的获胜团队，为他们提供机会分享自己的工作以及 GPU 加速深度学习的正面影响。