Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Thank you for sending your booking! One of our team members will contact you shortly.
Kurzusleírás
Bevezetés az On-Device AI-ba
- Az eszközön történő gépi tanulás alapjai
- A kis nyelvi modellek előnyei és kihívásai
- A mobil- és IoT-eszközök hardveres korlátainak áttekintése
Modelloptimalizálás az eszközön történő telepítéshez
- Modell kvantálás és metszés
- Tudáslepárlás kisebb, hatékony modellekhez
- Modellek kiválasztása és adaptálása a készüléken belüli teljesítményhez
Platform-specifikus AI-eszközök és keretrendszerek
- A TensorFlow Lite és a PyTorch Mobile bemutatása
- Platform-specifikus könyvtárak használata az eszközön lévő mesterséges intelligencia számára
- Platformok közötti telepítési stratégiák
Valós idejű következtetés és Edge Computing
- Technikák az eszközök gyors és hatékony következtetéséhez
- Élénk számítástechnika kihasználása az eszközön lévő mesterséges intelligencia számára
- Esettanulmányok valós idejű AI-alkalmazásokról
Teljesítmény Management és akkumulátor-élettartam szempontjai
- AI-alkalmazások optimalizálása az energiahatékonyság érdekében
- A teljesítmény és az energiafogyasztás kiegyensúlyozása
- Stratégiák az akkumulátor élettartamának meghosszabbítására mesterségesintelligencia-meghajtású eszközökben
Biztonság és adatvédelem az On-Device AI-ban
- Az adatbiztonság és a felhasználói adatvédelem biztosítása
- Eszközön végzett adatfeldolgozás az adatvédelem érdekében
- Biztonságos modellfrissítések és -karbantartás
Felhasználói élmény és interakciós tervezés
- Intuitív AI interakciók tervezése az eszközök felhasználóinak
- Nyelvi modellek integrálása felhasználói felülettel
- Felhasználói tesztelés és visszajelzés az eszközön lévő mesterséges intelligencia számára
Scalaképesség és karbantartás
- Modellek kezelése és frissítése a telepített eszközökön
- Stratégiák a méretezhető eszközön lévő mesterséges intelligencia megoldásokhoz
- A telepített AI-rendszerek megfigyelése és elemzése
Projekt és értékelés
- Prototípus fejlesztése egy kiválasztott tartományban és előkészítés a telepítésre egy kiválasztott eszközön
- Az on-device AI megoldás bemutatása
- Hatékonyságon, innováción és gyakorlatiasságon alapuló értékelés
Összegzés és a következő lépések
Követelmények
- Erős alap a gépi tanulásban és a mély tanulási koncepciókban
- Jártasság a Python programozásban
- Alapvető ismeretek a mesterséges intelligencia telepítésének hardveres korlátairól
Közönség
- Gépi tanulási mérnökök és AI-fejlesztők
- Az AI-alkalmazások iránt érdeklődő beágyazott rendszerek mérnökei
- Az AI-projekteket felügyelő termékmenedzserek és műszaki vezetők
21 Órák