AI Engineering Alapok Képzés

A Huawei CloudMatrix egységes AI-fejlesztési és telepítési platform, amely skalálható, termelési minőségű inferenciapipelinék támogatására készült.

Ez az oktatóvezetett, élő (online vagy helyszíni) képzés kezdő szintűtől középfokú szintű AI szakemberek számára szánt, akik a CloudMatrix platformon szeretnék AI-modelleket telepíteni és monitorozni, CANN-kal és MindSpore integrációval.

A képzés végén a résztvevők képesek lesznek:

• A CloudMatrix-t használni modelcsomagolásra, telepítésre és szolgáltatásra.
• Modelkonvertálásra és optimalizálásra Ascend chipsetekhez.
• Valós idejű és csomagolt inferenciatételekhez pipeline-ok beállítására.
• Telepítések monitorozására és teljesítményhangolásra termelési környezetben.

A képzés formája

• Interaktív előadás és beszélgetés.
• CloudMatrix gyakorlati használata valós telepítési helyzetekkel.
• Konvertálásra, optimalizálásra és skalálásra összpontosító vezetett gyakorlatok.

A képzés testreszabási lehetőségei

• Kérjük, lépjen kapcsolatba velünk az AI infrastruktúrája vagy felhő környezete alapján testreszabott képzés megrendeléséhez.

A Biren AI gyorsítók magas teljesítményű GPUk, amelyeket az AI és HPC munkafolyamatok támogatására terveztek, nagy méretű tanulási és előrejelzési folyamatokat támogatva.

Ez az oktatóvezetett, élő (online vagy helyszíni) képzés középfokú és előhaladott szintű fejlesztőknek szánva, akik a Biren saját GPU stack segítségével akarnak programozni és optimalizálni alkalmazásokat, gyakorlati összehasonlításokkal a CUDA-alapú környezetekkel.

E képzés végén a résztvevők képesek lesznek:

• A Biren GPU architektúráját és memóriahierarchiáját megérteni.
• A fejlesztői környezet beállítására és a Biren programozási modell használatára.
• CUDA stílusú kódot Biren platformokra fordítani és optimalizálni.
• Teljesítmény finomítási és hibakeresési technikákat alkalmazni.

A képzés formája

• Interaktív előadás és beszélgetés.
• Biren SDK gyakorlati használata mintamunkafolyamatokban.
• Portolási és teljesítmény finomításra összpontosító vezetett gyakorlatok.

A képzés testreszabási lehetőségei

• Ha alkalmassági szempontból igényli az alkalmazási szoftver vagy integrációs igényei szerint testreszabott képzést, kérjük, lépjen kapcsolatba velünk, hogy rendezzük.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) közép- és haladó szintű AI-szakembereknek és
szoftverfejlesztők, akik intelligens alkalmazásokat szeretnének AI és ML segítségével építeni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a mesterséges intelligencia és az ML mögött rejlő fejlett fogalmakat és technológiákat.
• Elemezze és vizualizálja az adatokat az AI/ML modell fejlesztéséhez.
• Építsen, képezzen és telepítsen hatékonyan AI/ML modelleket.
• Hozzon létre intelligens alkalmazásokat, amelyek képesek megoldani a valós problémákat.
• Értékelje az AI-alkalmazások etikai vonatkozásait a különböző iparágakban.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő szintű informatikai szakembereknek szól, akik szeretnének alapos ismereteket szerezni az intelligens alkalmazásokról és azok alkalmazásáról a különböző iparágakban.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a mesterséges intelligencia történetét, alapelveit és hatását.
• Különböző gépi tanulási algoritmusok azonosítása és alkalmazása.
• Az AI-alkalmazások adatainak hatékony kezelése és elemzése.
• Ismerje fel a mesterséges intelligencia gyakorlati alkalmazásait és korlátait a különböző szektorokban.
• Beszéljétek meg az AI-technológia etikai szempontjait és társadalmi vonatkozásait.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű, haladó szintű adattudósoknak, mérnököknek és mesterséges intelligenciával foglalkozó szakembereknek szól, akik szeretnék elsajátítani az intelligens alkalmazások fortélyait, és hasznosítani szeretnék azokat az összetett, valós problémákat.

A képzés végére a résztvevők képesek lesznek:

• Mély tanulási architektúrák megvalósítása és elemzése.
• Méretben alkalmazza a gépi tanulást elosztott számítástechnikai környezetben.
• Megerősítő tanulási modellek tervezése és végrehajtása a döntéshozatalhoz.
• Kifinomult NLP-rendszerek fejlesztése a nyelv megértéséhez.
• Használja a számítógépes látástechnikákat kép- és videóelemzéshez.
• Vegye figyelembe az etikai szempontokat az AI-rendszerek fejlesztése és telepítése során.