문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
화웨이의 AI 생태계 소개
- Ascend AI 하드웨어: 310, 910, 910B 개요
- 고수준 구성 요소: MindSpore, CANN, AscendCL
- 업계 포지셔닝 및 아키텍처 원칙
화웨이 AI 스택에서 CANN의 역할
- CANN이란? SDK 목적 및 내부 계층
- ATC, TBE, AscendCL: 모델 컴파일 및 실행
- CANN이 추론 최적화 및 배포를 지원하는 방식
MindSpore 개요 및 아키텍처
- MindSpore의 훈련 및 추론 워크플로우
- 그래프 모드, PyNative, 하드웨어 추상화
- CANN 백엔드를 통한 Ascend NPU와의 통합
Ascend에서의 AI 생명주기: 훈련부터 배포까지
- MindSpore에서의 모델 생성 또는 다른 프레임워크에서의 변환
- ATC를 사용한 모델 내보내기 및 컴파일
- OM 모델 및 AscendCL을 사용한 Ascend 하드웨어에서의 배포
다른 AI 스택과의 비교
- MindSpore vs. PyTorch, TensorFlow: 초점 및 포지셔닝
- Ascend vs. GPU 기반 스택에서의 배포 워크플로우
- 기업 활용을 위한 기회와 한계
기업 통합 시나리오
- 스마트 제조, 정부 AI, 통신 분야의 활용 사례
- 확장성, 컴플라이언스 및 생태계 고려 사항
- 화웨이 스택을 활용한 클라우드/온프레미스 하이브리드 배포
요약 및 다음 단계
요건
- AI 워크플로우 또는 플랫폼 아키텍처에 대한 familiarity(익숙함)
- 모델 훈련 및 배포에 대한 기본적인 이해
- CANN 또는 MindSpore에 대한 사전 실습 경험 불필요
대상 독자
- AI 플랫폼 평가자 및 인프라 아키텍트
- AI/ML DevOps 및 파이프라인 통합 전문가
- 기술 관리자 및 의사결정자
14 시간