План на курса

Въведение в AI на устройството

  • Основи на машинното обучение на устройството
  • Предимства и предизвикателства на малките езикови модели
  • Преглед на хардуерните ограничения в мобилни устройства и IoT устройства

Оптимизиране на модела за внедряване на устройството

  • Квантуване и подрязване на модела
  • Дестилация на знания за по-малки, ефективни модели
  • Избор и адаптиране на модели за производителност на устройството

Инструменти и рамки за изкуствен интелект, специфични за платформата

  • Въведение в TensorFlow Lite и PyTorch Mobile
  • Използване на специфични за платформата библиотеки за AI на устройството
  • Стратегии за внедряване на различни платформи

Извод в реално време и Edge Computing

  • Техники за бърз и ефективен извод на устройства
  • Използване на периферни изчисления за AI на устройството
  • Казуси от AI приложения в реално време

Съображения за мощност Management и живот на батерията

  • Оптимизиране на AI приложения за енергийна ефективност
  • Балансиране на производителността и консумацията на енергия
  • Стратегии за удължаване на живота на батерията в устройства, захранвани с AI

Сигурност и поверителност в AI на устройството

  • Гарантиране на сигурност на данните и поверителност на потребителите
  • Обработка на данни на устройството за запазване на поверителността
  • Сигурни актуализации и поддръжка на модела

Потребителско изживяване и дизайн на взаимодействие

  • Проектиране на интуитивни AI взаимодействия за потребителите на устройства
  • Интегриране на езикови модели с потребителски интерфейси
  • Потребителско тестване и обратна връзка за AI на устройството

Scalaспособност и поддръжка

  • Управление и актуализиране на модели на внедрени устройства
  • Стратегии за мащабируеми AI решения на устройството
  • Мониторинг и анализи за внедрени AI системи

Проект и оценка

  • Разработване на прототип в избран домейн и подготовка за внедряване на избрано устройство
  • Представяне на решението за AI на устройството
  • Оценка въз основа на ефективност, иновация и практичност

Обобщение и следващи стъпки

Изисквания

  • Силна основа в концепциите за машинно обучение и дълбоко обучение
  • Владеене на Python програмиране
  • Основни познания за хардуерните ограничения за внедряване на AI

Публика

  • Инженери по машинно обучение и разработчици на AI
  • Инженери на вградени системи, интересуващи се от AI приложения
  • Продуктови мениджъри и технически ръководители, които наблюдават проекти за AI
 21 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории