Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
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