Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 14 ore
Struttura del corso
Introduzione all'Edge AI e a Nano Banana
- Caratteristiche principali dei carichi di lavoro Edge AI
- Architettura e capacità di Nano Banana
- Confronto tra strategie di distribuzione edge e cloud
Preparazione dei modelli per la distribuzione edge
- Selezione dei modelli e valutazione della baseline
- Considerazioni su dipendenze e compatibilità
- Esportazione dei modelli per ulteriori ottimizzazioni
Tecniche di compressione dei modelli
- Strategie di potatura (pruning) e sparsità strutturale
- Condivisione dei pesi e riduzione dei parametri
- Valutazione degli impatti della compressione
Quantizzazione per le prestazioni edge
- Metodi di quantizzazione post-addestramento
- Flussi di lavoro di addestramento con consapevolezza della quantizzazione (quantization-aware)
- Approcci INT8, FP16 e a precisione mista
Accelerazione con Nano Banana
- Utilizzo degli acceleratori Nano Banana
- Integrazione di ONNX e backend hardware
- Test di benchmarking per l'inferenza accelerata
Distribuzione ai dispositivi edge
- Integrazione dei modelli in applicazioni embedded o mobili
- Configurazione e monitoraggio del runtime
- Risoluzione dei problemi durante la distribuzione
Profiling delle prestazioni e analisi dei compromessi
- Vincoli di latenza, throughput e termici
- Compromessi tra accuratezza e prestazioni
- Strategie di ottimizzazione iterativa
Best practice per la manutenzione dei sistemi Edge AI
- Gestione delle versioni e aggiornamenti continui
- Gestione del rollback dei modelli e della compatibilità
- Considerazioni su sicurezza e integrità
Riepilogo e prossimi passi
Requisiti
- Conoscenza dei flussi di lavoro del machine learning
- Esperienza nello sviluppo di modelli basati su Python
- Familiarità con le architetture delle reti neurali
Pubblico di riferimento
- Ingegneri ML
- Data scientist
- Praticanti MLOps
Recensioni (1)
Flusso, atmosfera e argomento della presentazione
Lukasz Kowalczyk - Allegro Sp. z o.o.
Corso - Google Gemini AI for Data Analysis
Traduzione automatica