Contattataci
 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

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative