Graphic techniques (Adobe Photoshop, Adobe Illustrator) Képzés

Huawei Ascend az AI processzorok családja, amelyet nagy teljesítményű inferenciára és tanulásra terveznek.

Ez az oktatóvezetett, élő képzés (online vagy helyszínen) az olyan középfokú AI mérnököknek és adat tudósoknak szól, akik Huawei Ascend platformja és a CANN eszközkészlete segítségével szeretnének neural háló modelleket fejleszteni és optimalizálni.

A képzés végén a résztvevők képesek lesznek:

• Beállítani és konfigurálni a CANN fejlesztői környezetet.
• MindSpore és CloudMatrix munkafolyamatok használatával AI alkalmazásokat fejleszteni.
• Egyedi operátorok és cserélés használatával optimalizálni a teljesítményt Ascend NPU-kon.
• Modelleket telepíteni életrutakba vagy felhőkörnyezetbe.

A képzés formátuma

• Interaktív előadás és beszélgetés.
• Huawei Ascend és CANN eszközkészlet használata mintaprojektekben.
• Modellépítés, tanulás és telepítésre összpontosító irányított gyakorlatok.

A képzés testreszabási lehetőségei

• A képzés infrastruktúrája vagy adathalmazai alapján testreszabott képzés kérésére, kérjük, lépjen kapcsolatba velünk a megbeszéléshez.

CANN (Compute Architecture for Neural Networks) is Huawei’s AI compute stack for deploying and optimizing AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and engineers who wish to deploy trained AI models efficiently to Huawei Ascend hardware using the CANN toolkit and tools such as MindSpore, TensorFlow, or PyTorch.

By the end of this training, participants will be able to:

• Understand the CANN architecture and its role in the AI deployment pipeline.
• Convert and adapt models from popular frameworks to Ascend-compatible formats.
• Use tools like ATC, OM model conversion, and MindSpore for edge and cloud inference.
• Diagnose deployment issues and optimize performance on Ascend hardware.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work using CANN tools and Ascend simulators or devices.
• Practical deployment scenarios based on real-world AI models.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Biren AI Accelerators are high-performance GPUs designed for AI and HPC workloads with support for large-scale training and inference.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level developers who wish to program and optimize applications using Biren’s proprietary GPU stack, with practical comparisons to CUDA-based environments.

By the end of this training, participants will be able to:

• Understand Biren GPU architecture and memory hierarchy.
• Set up the development environment and use Biren’s programming model.
• Translate and optimize CUDA-style code for Biren platforms.
• Apply performance tuning and debugging techniques.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of Biren SDK in sample GPU workloads.
• Guided exercises focused on porting and performance tuning.

Course Customization Options

• To request a customized training for this course based on your application stack or integration needs, please contact us to arrange.

Cambricon MLUs (Machine Learning egységek) speciális AI-chip-ek, optimalizálva az inferencia és a tanításra szegélyi és adatközponti környezetekben.

Ez az oktatóvezetett, élő képzés (online vagy helyszínen) középszintű fejlesztőknek szól, akik a BANGPy keretrendszer és a Neuware SDK segítségével szeretnének AI-modelleket építeni és telepíteni Cambricon MLU hardveren.

Ez a képzés végén a résztvevők képesek lesznek:

• Beállítani és konfigurálni a BANGPy és Neuware fejlesztői környezeteket.
• Python- és C++-alapú modelleket fejleszteni és optimalizálni Cambricon MLU-khoz.
• Modelleket telepíteni szegélyi és adatközponti eszközökre, amelyeken Neuware futtatókörnyezet működik.
• ML-munkafolyamatokat integrálni MLU-specifikus gyorsítói jellemzőkkel.

A képzés formátuma

• Interaktív előadás és beszélgetés.
• BANGPy és Neuware használata fejlesztés és telepítés során gyakorlati módon.
• Optimalizálás, integrálás és tesztelésre összpontosító vezetett gyakorlatok.

A képzés testreszabási lehetőségei

• A képzés testreszabott változatát Cambricon eszközmodellek vagy felhasználási esetek alapján kérhetik, vegyék fel velünk a kapcsolatot a megszervezéshez.

CANN (Compute Architecture for Neural Networks) is Huawei’s AI computing toolkit used to compile, optimize, and deploy AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at beginner-level AI developers who wish to understand how CANN fits into the model lifecycle from training to deployment, and how it works with frameworks like MindSpore, TensorFlow, and PyTorch.

By the end of this training, participants will be able to:

• Understand the purpose and architecture of the CANN toolkit.
• Set up a development environment with CANN and MindSpore.
• Convert and deploy a simple AI model to Ascend hardware.
• Gain foundational knowledge for future CANN optimization or integration projects.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with simple model deployment.
• Step-by-step walkthrough of the CANN toolchain and integration points.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Huawei's Ascend CANN toolkit enables powerful AI inference on edge devices such as the Ascend 310. CANN provides essential tools for compiling, optimizing, and deploying models where compute and memory are constrained.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and integrators who wish to deploy and optimize models on Ascend edge devices using the CANN toolchain.

By the end of this training, participants will be able to:

• Prepare and convert AI models for Ascend 310 using CANN tools.
• Build lightweight inference pipelines using MindSpore Lite and AscendCL.
• Optimize model performance for limited compute and memory environments.
• Deploy and monitor AI applications in real-world edge use cases.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work with edge-specific models and scenarios.
• Live deployment examples on virtual or physical edge hardware.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Huawei’s AI stack — from the low-level CANN SDK to the high-level MindSpore framework — offers a tightly integrated AI development and deployment environment optimized for Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level technical professionals who wish to understand how the CANN and MindSpore components work together to support AI lifecycle management and infrastructure decisions.

By the end of this training, participants will be able to:

• Understand the layered architecture of Huawei’s AI compute stack.
• Identify how CANN supports model optimization and hardware-level deployment.
• Evaluate the MindSpore framework and toolchain in relation to industry alternatives.
• Position Huawei's AI stack within enterprise or cloud/on-prem environments.

Format of the Course

• Interactive lecture and discussion.
• Live system demos and case-based walkthroughs.
• Optional guided labs on model flow from MindSpore to CANN.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

CANN SDK (Compute Architecture for Neural Networks) is Huawei’s AI compute foundation that allows developers to fine-tune and optimize the performance of deployed neural networks on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI developers and system engineers who wish to optimize inference performance using CANN’s advanced toolset, including the Graph Engine, TIK, and custom operator development.

By the end of this training, participants will be able to:

• Understand CANN's runtime architecture and performance lifecycle.
• Use profiling tools and Graph Engine for performance analysis and optimization.
• Create and optimize custom operators using TIK and TVM.
• Resolve memory bottlenecks and improve model throughput.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with real-time profiling and operator tuning.
• Optimization exercises using edge-case deployment examples.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

The CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.

By the end of this training, participants will be able to:

• Deploy and optimize CV and NLP models using CANN and AscendCL.
• Use CANN tools to convert models and integrate them into live pipelines.
• Optimize inference performance for tasks like detection, classification, and sentiment analysis.
• Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab with model deployment and performance profiling.
• Live pipeline design using real CV and NLP use cases.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

CANN TIK (Tensor Instruction Kernel) and Apache TVM enable advanced optimization and customization of AI model operators for Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at advanced-level system developers who wish to build, deploy, and tune custom operators for AI models using CANN’s TIK programming model and TVM compiler integration.

By the end of this training, participants will be able to:

• Write and test custom AI operators using the TIK DSL for Ascend processors.
• Integrate custom ops into the CANN runtime and execution graph.
• Use TVM for operator scheduling, auto-tuning, and benchmarking.
• Debug and optimize instruction-level performance for custom computation patterns.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on coding of operators using TIK and TVM pipelines.
• Testing and tuning on Ascend hardware or simulators.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Kínai GPU architektúrák, például Huawei Ascend, Biren és Cambricon MLU-k CUDA alternatívákat kínálnak, amelyek az helyi AI és HPC piacokra vannak szabva.

Ez az oktatóvezetett, élő képzés (online vagy helyszínen) az advanced-level GPU programozók és infrastruktúra szakértők számára szól, akik kíváncsiak arra, hogy CUDA alkalmazásaikat áttegyék és optimalizálják kínai hardverplatformokra.

A képzés végén a résztvevők képesek lesznek:

• Megvizsgálni az egyes CUDA munkaterhelések kompatibilitását a kínai csipalternatívákkal.
• CUDA kódbázisokat portolni a Huawei CANN, Biren SDK és Cambricon BANGPy környezetekbe.
• Összehasonlítják a teljesítményt és azonosítanak optimalizálási pontokat a platformokon keresztül.
• A gyakorlati kihívásokkal foglalkoznak a keresztplatformos támogatás és telepítés során.

A képzés formája

• Interaktív előadás és beszélgetés.
• Kézi kódfordítás és teljesítmény összehasonlítási laborok.
• Vezetett gyakorlatok, amelyek több GPU adaptációs stratégiákra koncentrálnak.

A képzés testreszabási lehetőségei

• A képzés testreszabására, a platformja vagy CUDA projektje alapján kérjük, lépjen kapcsolatba velünk a rendezéshez.

Ascend, Biren, és Cambricon a vezető AI hardver platformok Kínában, mindegyik különleges gyorsító és profilizáló eszközökkel rendelkezik a termelési méretű AI feladatokhoz.

Ez az oktatóvezetett, élő képzés (online vagy helyszínen) az olyan előrehaladott szintű AI infrastruktúra és teljesítmény mérnököknek szól, akik optimalizálni szeretnék a modell előrejelzés és tanítási folyamatokat több kínai AI chip platformon keresztül.

A képzés végére a résztvevők képesek lesznek:

• Ascend, Biren és Cambricon platformokon modell teljesítménymérleget készíteni.
• Rendszeri szűk keresztmetszeteket és memóriaproblémákat azonosítani.
• Gráf- és magszintű optimalizálásokat alkalmazni.
• Telepítési csővezetékeket állítsanak be a áthagyományszerű és késleltetés javítására.

A képzés formája

• Interaktív előadás és beszélgetés.
• Profilizáló és optimalizáló eszközök használata a platformokon.
• Pratikus beállítási feladatokra összpontosító gyakorlatok.

A képzés testreszabási lehetőségei

• A teljesítményi környezete vagy modell típusa alapján testreszabott képzést igényelni, vegye fel a kapcsolatot velünk, hogy megtaláljuk a megoldást.