Contattataci

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 il Deployment Edge

  • Selezione del modello e valutazione della baseline
  • Considerazioni su dipendenze e compatibilità
  • Esportazione dei modelli per ulteriori ottimizzazioni

Tecniche di Compressione dei Modelli

  • Strategie di potatura 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 consapevole della quantizzazione
  • Approcci INT8, FP16 e a precisione mista

Accelerazione con Nano Banana

  • Utilizzo degli acceleratori Nano Banana
  • Integrazione di ONNX e backend hardware
  • Benchmarking dell'inferenza accelerata

Deployment sui Dispositivi Edge

  • Integrazione dei modelli in applicazioni embedded o mobili
  • Configurazione e monitoraggio del runtime
  • Risoluzione dei problemi di deployment

Profiling delle Prestazioni e Analisi dei Compromessi

  • Latenza, throughput e vincoli termici
  • Compromessi tra accuratezza e prestazioni
  • Strategie di ottimizzazione iterativa

Best Practices per la Manutenzione dei Sistemi Edge-AI

  • Gestione delle versioni e aggiornamenti continui
  • Rollback dei modelli e gestione della compatibilità
  • Considerazioni su sicurezza e integrità

Sintesi 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 Target

  • Ingegneri ML
  • Data Scientist
  • Praticanti MLOps
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative