Ta kontakt

Kursplan

Innføring i Edge AI og Ascend 310

  • Oversikt over Edge AI: trender, begrensninger og applikasjoner
  • Arkitektur for Huawei Ascend 310-chippen og støttet verktøykjede
  • Posisjonering av CANN innenfor stakselen for Edge AI-utroling

Modellforberedelse og konvertering

  • Eksportering av trente modeller fra TensorFlow, PyTorch og MindSpore
  • Bruk av ATC til å konvertere modeller til OM-format for Ascend-enheter
  • Håndtering av upåklagelige operasjoner og lette konverteringsstrategier

Utvikling av inferens-pipelines med AscendCL

  • Bruk av AscendCL API til å kjøre OM-modeller på Ascend 310
  • Inndata/utdata-forbehandling, minnehåndtering og enhetskontroll
  • Utrulling innenfor innebygd containere eller lette kjøringsmiljøer

Optimalisering for kantebegrensninger

  • Redusere modellstørrelse, justering av presisjon (FP16, INT8)
  • Bruk av CANN-profileren til å identifisere flaskehals
  • Håndtering av minnelayout og datastrøm for ytelse

Utrulling med MindSpore Lite

  • Bruk av MindSpore Lite-runtime for mobile og innebygd målgrupper
  • Sammenligning av MindSpore Lite med rå AscendCL-pipeline
  • Pakking av inferens-modeller for enhetsspesifik utroling

Kantede utrollingscenarier og casestudier

  • Casestudie: Smart kamera med objektgjenkjenning modell på Ascend 310
  • Casestudie: Sanntidsklassifisering i en IoT-sensorhub
  • Overvåking og oppdatering av utrullede modeller på kanten

Oppsummering og neste trinn

Krav

  • Erfaring med utvikling eller utruling av AI-modeller
  • Grunnleggende kunnskap om innebygd system, Linux og Python
  • Kjennskap til dype læring rammeverk som TensorFlow eller PyTorch

Malgruppe

  • IoT-løsningsutviklere
  • Innebygd AI-ingeniører
  • Kantede systemintegratorer og spesialister på AI-utroling
 14 Timer

Antall deltakere


Pris per deltaker

Åpne kurs krever 5+ deltakere.

Referanser (1)

At vi kan dekke av avanserte emner og arbeide med reelle eksempler

Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques

Maskinoversatt

Kommende kurs

CANN for Edge AI Deployment

2026-10-27 09:30
14 timer
Oslo
3000 EUR (Nettbasert)
3400 EUR (Klasserom)

CANN for Edge AI Deployment

2026-11-10 09:30
14 timer
Oslo
3000 EUR (Nettbasert)
3400 EUR (Klasserom)

CANN for Edge AI Deployment

2026-11-24 09:30
14 timer
Oslo
3000 EUR (Nettbasert)
3400 EUR (Klasserom)

CANN for Edge AI Deployment

2026-12-08 09:30
14 timer
Oslo
3000 EUR (Nettbasert)
3400 EUR (Klasserom)

Relaterte kurs

5G og Edge AI: Aktivere applikasjoner med ultralav latentid

21 Timer

Denne instruktørledede, live-treningen på Norge (online eller på stedet) er rettet mot telekom-profesjonelle, AI-ingeniører og IoT-spesialister på mellomnivå som ønsker å utforske hvordan 5G-nettverk akselererer Edge AI-applikasjoner.

Ved slutten av denne treningen vil deltakerne kunne:

  • Forstå grunnleggende prinsipper for 5G-teknologi og dens innvirkning på Edge AI.
  • Deploy AI-modeller optimalisert for lav-latens-applikasjoner i 5G-miljøer.
  • Implementere sanntidsbeslutningssystemer ved bruk av Edge AI og 5G-kobling.
  • Optimalisere AI-belastninger for effektiv ytelse på kant-enheter.
Les mer...

6G og den intelligente edge

 21 Timer

Dette 21-timers opplæringstilbudet om Norge veileder IT-arkitekter i å designe fremtidsrettede distribusjonssystemer. Utforsk 6G, edgeberegning og AI-integrasjon for infrastruktur med lav latens og god skalbarhet. Oppnå praktiske ferdigheter i sikker, resilient og intelligent edgearkitektur for å imøtekomme kommende forretningskrav.

Les mer...

Avanserte Edge AI Teknikker

 14 Timer

Denne instruktørledede, live opplæringskurs i Norge (online eller på sted) er rettet mot avanserte AI-praktikere, forskere og utviklere som ønsker å mestre de siste fremskrittene innen Edge AI, optimalisere sine AI-modeller for edge-deployering, og utforske spesialiserte applikasjoner innen forskjellige industrier.

Ved avslutningen av denne opplæringen vil deltakerne kunne:

  • Utforske avanserte teknikker innen Edge AI-modellutvikling og optimalisering.
  • Implementere fremskrittelige strategier for å deployere AI-modeller på edge-enheter.
  • Bruke spesialiserte verktøy og rammeverk for avanserte Edge AI-applikasjoner.
  • Optimalisere ytelse og effektivitet i Edge AI-løsninger.
  • Utforske innovative bruksområder og fremvoksende trender innen Edge AI.
  • Håndtere avanserte etiske og sikkerhetshensyn i Edge AI-deployeringer.
Les mer...

Utvikling av KI-applikasjoner med Huawei Ascend og CANN

 21 Timer
Denne instruksørledde opplæringen i Norge veileder mellomnivåets KI-ingeniører i å bygge og optimalisere neurale nettverksmodeller ved bruk av Huawei Ascend-plattformen og CANN-verktøyet. Deltakerne vil konfigurere miljøer, utvikle applikasjoner med MindSpore og deploye til edge- eller cloudbaserte omgivelser.
Les mer...

Utrulling av AI-modeller med CANN og Ascend AI-prosessorer

 14 Timer
Denne liveopplæringen i Norge veileder mellomnivå AI-utviklere gjennom utrulling av modeller på Ascend-prosessorer ved bruk av CANN-verktøysettet. Lær å konvertere rammeverk som PyTorch og TensorFlow, optimalisere ytelsen og feilsøke problemer for effektiv kant- og skyinferens.
Les mer...

Å bygge AI-løsninger på kanten

 14 Timer

Denne instruktørguidede, live-utdanningen i Norge (online eller på stedet) retter seg mot utviklere, datavitenskapsfolk og teknologi-interesserte på mellomnivå som ønsker å skaffe seg praktiske ferdigheter i å levere ut AI-modeller på edge-enheter for ulike anvendelser.

Når utdanningen er fullført, vil deltakerne kunne:

  • Forstå prinsippene bak Edge AI og dens fordeler.
  • Sette opp og konfigurere edge-beregningsmiljøet.
  • Utvikle, trene og optimere AI-modeller for levering på edge.
  • Implementere praktiske AI-løsninger på edge-enheter.
  • Vurdere og forbedre ytelsen til modeller levert på edge.
  • Håndtere etiske og sikkerhetsmessige hensyn i Edge AI-anvendelser.
Les mer...

Bygging av sikre og robuste Edge AI-systemer

21 Timer

Denne instruktørlede, direkte opplæringskurs i Norge (online eller på stedet) er rettet mot avanserte cybersecurity-profesjonelle, AI-ingeniører og IoT-utviklere som ønsker å implementere robuste sikkerhetsforanstaltninger og resiliensstrategier for Edge AI-systemer.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå sikkerhetsrisikoer og sårbarheter i Edge AI-implementeringer.
  • Implementere kryptering og autentiseringsteknikker for datasikkerhet.
  • Utforme robuste Edge AI-arkitekturer som kan tåle cybertrusler.
  • Bruke sikre AI-modell implementeringsstrategier i edge-miljøer.
Les mer...

Cambricon MLU-utvikling med BANGPy og Neuware

 21 Timer
Dette er en live-kurs med instruktør i Norge som gir utviklere ferdigheter til å bygge og distribuere AI-modeller ved hjelp av BANGPy og Neuware på Cambricon MLU-er. Deltakerne vil konfigurere miljøer, utvikle optimerte modeller og integrere MLU-akselerasjon i kant- og datasentraler.
Les mer...

Introduksjon til CANN for AI-rammeverk-utviklere

 7 Timer
Denne direkte opplæringen i Norge introducerer CANN-verktøysettet for AI-rammeverk-utviklere. Lær å sette opp miljøer, konvertere modeller og distribuere applikasjoner på Ascend-hvervare ved bruk av MindSpore, TensorFlow eller PyTorch, og dekk hele arbeidsflyten fra trening til inferanse.
Les mer...

Å forstå Huaweis AI-berekne-stakk: Fra CANN til MindSpore

 14 Timer
Denne instruksørledete direkte treningen i Norge utforsker Huaweis AI-stakk, fra CANN SDK til MindSpore-rammeverket. Den hjelper nybegynnere og fagpersoner på mellomnivå med å forstå hvordan disse komponentene integreres på Ascend-hvervare for livssyklusadministrasjon og implementering.
Les mer...

Optimalisering av ytelsen til nevronett med CANN SDK

 14 Timer
Optimaliser inferensytelsen til nevronett på Ascend AI-prosessorer med denne avanserte, instruksørdrevne opplæringen i Norge. Utforsk CANNs kjøringsarkitektur, og utnytt Graph Engine, TIK og TVM for profilering, utvikling av tilpassede operatører og løsning av minnekjeller.
Les mer...

CANN SDK for dataviden- og NLP-pipelines

 14 Timer
Denne instruktørguidede treningen i Norge dekker levering og optimalisering av CV- og NLP-modeller ved bruk av CANN SDK for Ascend-hardware. Deltakerne lærer å konvertere modeller, integrere dem i live-pipelines og forbedre inferanseprestande for sanntidsdeteksjon og analyse.
Les mer...

Bygging tilpassede AI-operatører med CANN TIK og TVM

 14 Timer
Denne instruktørledede, direkte opplæringen i Norge gir avanserte utviklere ferdigheter til å bygge, implementere og justere tilpassede AI-operatører. Deltakerne vil måsterere integrasjonen av CANN TIK og Apache TVM, noe som muliggjør avansert optimering og scheduling på Huawei Ascend-hardware for reell ytelse.
Les mer...

Edge AI for Agriculture: Smart Farming and Precision Monitoring

21 Timer

Denne instruktørledede, live-opplæringen (online eller på stedet) er rettet mot agritekprofesjoneller, IoT-spesialister og AI-ingeniører på begynnernivå til mellomnivå som ønsker å utvikle og implementere Edge AI-løsninger for smart jordbruk.

Ved slutten av denne opplæringen vil deltakerne kunne:

  • Forstå rollen til Edge AI i presisjon jordbruk.
  • Implementere AI-drevne avlingsovervåknings- og dyreovervåkningsystemer.
  • Utvikle automatiserte vanning- og miljøsensingsløsninger.
  • Optimalisere jordbrukseffektivitet ved bruk av Edge AI-analytikk i sanntid.
Les mer...

Edge AI i autonome systemer

14 Timer

Denne instruktørledede, live-opplæring (online eller på sted) er rettet mot mellomnivå robotikkingeniører, utviklere av autonome kjøretøy og AI-forskere som ønsker å utnytte Edge AI for innovative løsninger på autonome systemer.

Ved avslutningen av denne opplæringen vil deltakerne kunne:

  • Forstå rollen og fordelene med Edge AI i autonome systemer.
  • Utvikle og distribuere AI-modeller for sanstidsbehandling på edge-enheter.
  • Implementere Edge AI-løsninger i autonome kjøretøy, droner og robotikk.
  • Utforme og optimalisere styringssystemer ved hjelp av Edge AI.
  • Behandle etiske og reguleringsmessige overveielser i autonome AI-applikasjoner.
Les mer...

Relaterte kategorier

Edge AI
Edge AI
CANN
CANN