Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Bevezetés az AI-ba a félvezető tervezés automatizálásában
- Az AI-alkalmazások áttekintése a EDA eszközökben
- Kihívások és lehetőségek az AI-vezérelt tervezési automatizálásban
- Esettanulmányok sikeres mesterséges intelligencia-integrációról a félvezetőtervezésben
Machine Learning a tervezési optimalizáláshoz
- Bevezetés a tervezés optimalizálására szolgáló gépi tanulási technikákba
- Funkcióválasztás és modellképzés EDA eszközökhöz
- Gyakorlati alkalmazások a tervezési szabályok ellenőrzésében és az elrendezés optimalizálásában
Neural Networks a Chip Ellenőrzésben
- A neurális hálózatok és szerepük megértése a chip ellenőrzésben
- Neurális hálózatok megvalósítása hibafelismerésre és -javításra
- Esettanulmányok a neurális hálózatok használatáról EDA eszközökben
Fejlett mesterséges intelligencia technikák a teljesítmény és a teljesítmény optimalizálásához
- Az AI-technikák felfedezése teljesítmény- és teljesítményelemzéshez
- AI modellek integrálása az energiahatékonyság optimalizálása érdekében
- Valós példák a mesterséges intelligencia által vezérelt teljesítménynövelésre
EDA Eszköz testreszabása AI-val
- EDA eszközök testreszabása mesterséges intelligenciával a konkrét tervezési kihívásokhoz
- AI beépülő modulok és modulok fejlesztése meglévő EDA platformokhoz
- Gyakorlati gyakorlat népszerű EDA eszközökkel és AI-integrációval
A félvezető-tervezés mesterséges intelligenciájának jövőbeli trendjei
- Feltörekvő mesterséges intelligencia technológiák a félvezető tervezés automatizálásában
- Jövőbeli irányok az AI-vezérelt EDA eszközökben
- Felkészülés a mesterséges intelligencia és a félvezetőipar fejlődésére
Összegzés és a következő lépések
Követelmények
- Félvezető tervezésben és EDA szerszámok terén szerzett tapasztalat
- Az AI és a gépi tanulási technikák haladó ismerete
- Neurális hálózatok ismerete
Közönség
- Félvezető tervező mérnökök
- AI szakértők a félvezetőiparban
- EDA eszközfejlesztők
21 Órák
Vélemények (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurzus - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
