Contattataci

Struttura del corso

Introduzione alla distribuzione di modelli di visione artificiale ed elaborazione del linguaggio naturale con CANN

  • Il ciclo di vita dei modelli AI: dall’addestramento alla distribuzione
  • Aspetti fondamentali per garantire prestazioni ottimali in applicazioni in tempo reale
  • Panoramica degli strumenti forniti da CANN SDK e del loro ruolo nell’integrazione dei modelli

Preparazione dei modelli di visione artificiale ed elaborazione del linguaggio naturale

  • Esportazione di modelli da PyTorch, TensorFlow e MindSpore
  • Gestione degli input/output adatti a compiti basati su immagini o testo
  • Utilizzo dell’ATC per convertire i modelli nel formato OM

Distribuzione di pipeline di inferenza con AscendCL

  • Esecuzione di inferenze di visione artificiale e elaborazione del linguaggio naturale tramite l’API AscendCL
  • Pipeline di pre-elaborazione: ridimensionamento delle immagini, tokenizzazione e normalizzazione dei dati
  • Fasi post-elaborazione: estrazione di bounding box, calcolo dei punteggi di classificazione e generazione del testo

Tecniche di ottimizzazione delle prestazioni

  • Analisi delle prestazioni dei modelli con gli strumenti integrati in CANN
  • Riduzione della latenza grazie all’uso di calcoli a precisione mista e al tuning dei batch
  • Gestione efficiente della memoria e delle risorse computazionali in contesti di elaborazione continua

Casi d’uso nella visione artificiale

  • Studio di caso: rilevamento di oggetti per sistemi di sorveglianza intelligente
  • Studio di caso: controllo qualitativo visivo nei processi produttivi
  • Realizzazione di pipeline analitiche su video in tempo reale sfruttando l’hardware Ascend 310

Casi d’uso nell’elaborazione del linguaggio naturale

  • Studio di caso: analisi del sentiment e rilevamento delle intenzioni espresse
  • Studio di caso: classificazione e sintesi automatica dei documenti
  • Integrazione in tempo reale di modelli linguistici con API REST e sistemi di messaggistica

Riepilogo e prossimi passi

Requisiti

  • Conoscenza basilare del deep learning applicato alla visione artificiale o all’elaborazione del linguaggio naturale
  • Esperienza con Python e framework di intelligenza artificiale come TensorFlow, PyTorch o MindSpore
  • Conoscenza di base dei processi di distribuzione e inferenza dei modelli

Destinatari del corso

  • Professionisti della visione artificiale e dell’elaborazione del linguaggio naturale che utilizzano la piattaforma Ascend di Huawei
  • Data scientist ed ingegneri AI impegnati nello sviluppo di modelli per il riconoscimento in tempo reale
  • Sviluppatori responsabili dell’integrazione di pipeline CANN in contesti industriali, di sorveglianza o analisi dei media
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative