心血管疾病為美國人民死因之首，每43秒醫師即診斷出一名美國人罹患心血管疾病。
找出更好的新方法，以加快診斷出心臟病的速度是當務之急。
我們非常榮幸參與一項計劃，將科技用於提供更佳的照護給心臟病患，讓他們擁有更健康的生活，更長壽的生命。
我們將與 Booz Allen Hamilton 公司、Kaggle 資料科學家社群及國立衛生研究院合作，參加第二屆年度 Data Science Bowl 競賽活動。
來自全球各地的資料科學家們在這項競賽活動裡，將提出各項改變心臟病診斷方式的想法。
在為期90天的活動裡，各團隊將開發出機器學習演算法，分析現有心臟病患的一千張核磁共振（MRI）影像。目標：開發出自動辨識心臟病早期徵兆的系統。
提出最高精度演算法的團隊將獲得12.5萬美元的獎金，第二和第三名的團隊也將分別獲得5萬和2.5萬美元的獎金。
獲勝固然很光榮，解決實際存在的問題更能帶來助益。
GPU 加速深度學習是理想的應用方式
機器學習技術在科學和產業界帶動出現重大進展，而在機器學習領域裡成長最快的深度學習技術可能會帶來更多的可能性。
深度學習在臉孔偵測和辨識、語音辨識及影像分類方面成效斐然，在部分辨識作業方面的精確度甚至比人類還高。
而這使得它適合用於透過 MRI 核磁共振影像確認出心臟病發病徵兆。深度學習演算法可用於電腦輔助診斷、影像分割及校準的醫學影像分析作業。
然而訓練深度神經網路進行這些作業是一項曠日費時的工作，可能會花上數日到數週的時間。
深入研究：NVIDIA 提出深度學習領域的尖端技術，
協助資料科學家更快設計、訓練和改善深度神經網路的表現。
GPU 加速技術可將訓練時間減少到僅需數小時就能完成，讓資料科學家更快設計、訓練和改善深度神經網路的表現，就能建造出更龐大、精密，最終也提高精度的神經網路。
加入競爭
我們對於 GPU 加速深度學習技術的實力深信不已，將與 Booz Allen Hamilton 公司組隊參加 Data Science Bowl 競賽活動。
我們拿出研究成果的目標不在獲勝和拿獎。
而是展現 GPU 加速深度學習技術的實力，在競賽的過程中分享我們的研究進展，期望協助其他隊伍帶動創造更亮眼的成績。同時我們也透過這次活動掌握日後的發展方向。
NVIDIA 將在 GTC 大會上表揚競賽成果和獎項得主
NVIDIA 除了參加 Data Science Bowl 活動，還提供2.5萬美元的獎金，所有參賽者可自由取得線上深度學習教材內容。
前三名的隊伍還能免費參加明年的 GPU 科技大會（2016年4月4-7日於矽谷舉行），在此可率先一睹 GPU 技術用於深度學習、醫學影像及其它領域的成果。
我們在 GTC 活動期間將招待 Data Science Bowl 得獎隊伍，讓他們有機會分享研究心得和 GPU 加速深度學習技術所帶來的正面影響。