Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al despliegue de visión por computadora y PLN con CANN
- Ciclo de vida de los modelos de IA: desde el entrenamiento hasta el despliegue
- Consideraciones clave de rendimiento para visión por computadora y PLN en tiempo real
- Descripción general de las herramientas del CANN SDK y su papel en la integración de modelos
Preparación de modelos de visión por computadora y PLN
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas y salidas de modelos para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Despliegue de pipelines de inferencia con AscendCL
- Ejecución de inferencia de visión por computadora y PLN utilizando la API de AscendCL
- Pipelines de preprocesamiento: redimensionamiento de imágenes, tokenización, normalización
- Postprocesamiento: cajas delimitadoras, puntuaciones de clasificación, salida de texto
Técnicas de optimización de rendimiento
- Perfiles de rendimiento de modelos de visión por computadora y PLN utilizando herramientas de CANN
- Reducción de la latencia mediante precisión mixta y ajuste de lotes (batch tuning)
- Gestión de memoria y computación para tareas de transmisión (streaming)
Casos de uso de visión por computadora
- Estudio de caso: detección de objetos para videovigilancia inteligente
- Estudio de caso: inspección de calidad visual en la fabricación
- Construcción de pipelines de análisis de video en vivo en Ascend 310
Casos de uso de PLN
- Estudio de caso: análisis de sentimiento y detección de intenciones
- Estudio de caso: clasificación y resumen de documentos
- Integración de PLN en tiempo real con APIs REST y sistemas de mensajería
Resumen y próximos pasos
Requerimientos
- Familiaridad con el aprendizaje profundo para visión por computadora o PLN
- Experiencia con Python y marcos de trabajo de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de los flujos de trabajo de despliegue de modelos o inferencia
Audiencia
- Profesionales de visión por computadora y PLN que utilizan la plataforma Ascend de Huawei
- Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real
- Desarrolladores que integran pipelines de CANN en fabricación, videovigilancia o análisis de medios
14 Horas