Свържете се с нас

Съдържание и теми, включени в курса

Въведение в Edge AI и Nano Banana

  • Ключови характеристики на натоварванията с Edge AI
  • Архитектура и възможности на Nano Banana
  • Сравняване на стратегии за внедряване на крайни устройства спрямо облака

Подготовка на модели за внедряване на крайни устройства

  • Избор на модел и базова оценка
  • Съображения за зависимости и съвместимост
  • Експортиране на модели за допълнителна оптимизация

Техники за компресия на модели

  • Стратегии за подрязване и структурна разреденост
  • Споделяне на тегла и намаляване на параметрите
  • Оценяване на въздействието от компресията

Квантизация за производителност на крайни устройства

  • Методи за квантизация след обучение
  • Работни процеси за обучение с отчитане на квантизацията
  • Подходи с INT8, FP16 и смесена точност

Ускоряване с Nano Banana

  • Използване на ускорителите на Nano Banana
  • Интегриране на ONNX и хардуерни бекенди
  • Бенчмаркване на ускорената инференция

Внедряване на крайни устройства

  • Интегриране на модели във вградени или мобилни приложения
  • Конфигуриране и наблюдение по време на изпълнение
  • Отстраняване на проблеми при внедряването

Профилиране на производителността и анализ на компромисите

  • Ограничения за латентност, пропускателна способност и топлина
  • Компромиси между точност и производителност
  • Итеративни стратегии за оптимизация

Добри практики за поддръжка на Edge-AI системи

  • Версиониране и непрекъснати актуализации
  • Връщане на модели и управление на съвместимостта
  • Съображения за сигурност и интегритет

Обобщение и следващи стъпки

Изисквания

  • Разбиране на работните процеси в машинното обучение
  • Опит в разработването на модели, базирани на Python
  • Запознатост с архитектурите на невронните мрежи

Аудитория

  • ML инженери
  • Специалисти по данни
  • MLOps практикуващи
 14 Часа

Брой участници


Цена за участник

Отзиви от участници (1)

Предстоящи Курсове

Свързани Kатегории