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 eszközön történő AI-be
- Az eszközön történő gépi tanulás alapjai
- Kisebb nyelvmodellek előnyei és kihívásai
- Áttekintés a mobil és IoT eszközök hardver korlátainak
Modelloptimalizálás az eszközön történő telepítéshez
- Modell kvantálása és csonkítása
- Knowledge distillation kisebb és hatékonyabb modellekhez
- Modellek kiválasztása és adaptálása az eszközön történő teljesítményhez
Platformspecifikus AI eszközök és keretrendszerek
- Bevezetés a TensorFlow Lite és PyTorch Mobile-be
- Platformspecifikus könyvtárak használata az eszközön történő AI-hez
- Cross-platform telepítési stratégiák
Valós idejű inferencia és edge computing
- Technikák az eszközökön gyors és hatékony inferenciához
- Edge computing használata az eszközön történő AI-hez
- Valós idejű AI alkalmazások esettanulmányai
Energiakezelés és akkumulátor élettartam
- AI alkalmazások optimalizálása az energiahatékonyságra
- Teljesítmény és energiafogyasztás kiegyensúlyozása
- Stratégiák az AI-alapú eszközök akkumulátor élettartamának meghosszabbítására
Biztonság és adatvédelmi eszközön történő AI-ben
- Adatbiztonság és felhasználói privátosság biztosítása
- Adatvédelmi eszközön történő adatfeldolgozás
- Biztonságos modellfrissítések és karbantartás
Felhasználói élmény és interakciótervezés
- Intuitív AI interakciók tervezése az eszközök felhasználói számára
- Nyelvmodellek integrálása a felhasználói felületekkel
- Felhasználói tesztelés és visszajelzés az eszközön történő AI-hez
Skálázhatóság és karbantartás
- Modellkezelés és frissítés telepített eszközökön
- Stratégiák skálázható eszközön történő AI megoldásokhoz
- Monitorozás és analitika telepített AI rendszerekhez
Projekt és értékelés
- Prototípus fejlesztése kiválasztott területen és elkészítés egy kiválasztott eszközön történő telepítéshez
- Az eszközön történő AI megoldás bemutatója
- Értékelés hatékonyság, innováció és gyakorlatosság alapján
Összefoglalás és következő lépések
Követelmények
- Gyöngyönyös alapok a gépi tanulás és mélytanulás koncepcióiban
- Gyakorlott Python programozási készségek
- Alapvető ismeretek a hardver korlátozásokról az AI telepítéshez
Célközönség
- Gépi tanulás mérnökök és AI fejlesztők
- Beágyazott rendszerek mérnökei, akik érdekelve vannak az AI alkalmazásaiban
- Termékmenedzserek és technikai vezetők, akik AI projekteket irányítanak
21 Órák
