Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione all'ottimizzazione dell'Edge AI
- Panoramica dell'edge AI e delle sue sfide
- Importanza dell'ottimizzazione del modello per i dispositivi edge
- Casi di studio di modelli di IA ottimizzati in applicazioni edge
Tecniche di compressione del modello
- Introduzione alla compressione del modello
- Tecniche per ridurre le dimensioni del modello
- Esercizi pratici per la compressione del modello
Metodi di quantizzazione
- Panoramica della quantizzazione e dei suoi vantaggi
- Tipi di quantizzazione (post-training, quantization-aware training)
- Esercitazioni pratiche per la quantizzazione del modello
Potatura e altre tecniche di ottimizzazione
- Introduzione alla potatura
- Metodi per l'eliminazione dei modelli di intelligenza artificiale
- Altre tecniche di ottimizzazione (ad esempio, distillazione della conoscenza)
- Esercizi pratici per l'eliminazione e l'ottimizzazione dei modelli
Distribuzione di modelli ottimizzati nei dispositivi perimetrali
- Preparazione dell'ambiente del dispositivo perimetrale
- Distribuzione e test di modelli ottimizzati
- Risoluzione dei problemi di distribuzione
- Esercitazioni pratiche per la distribuzione del modello
Strumenti e framework per l'ottimizzazione
- Panoramica degli strumenti e dei framework (ad esempio, TensorFlow Lite, ONNX)
- Utilizzo di TensorFlow Lite per l'ottimizzazione del modello
- Esercizi pratici con strumenti di ottimizzazione
Applicazioni nel mondo reale e casi di studio
- Revisione di progetti di ottimizzazione dell'IA edge di successo
- Discussione di casi d'uso specifici del settore
- Progetto pratico per la creazione e l'ottimizzazione di un'applicazione reale
Riepilogo e prossime tappe
Requisiti
- Comprensione dei concetti di intelligenza artificiale e apprendimento automatico
- Esperienza nello sviluppo di modelli di intelligenza artificiale
- Competenze di programmazione di base (Python consigliato)
Pubblico
- Sviluppatori di intelligenza artificiale
- Ingegneri dell'apprendimento automatico
- Architetti di sistema
14 ore
Recensioni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Corso - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
