Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere în AI la Margine
- Definiție și concepte cheie
- Diferențe între AI la Margine și AI în cloud
- Beneficii și cazuri de utilizare ale AI la Margine
- Prezentare generală a dispozitivelor și platformelor de margine
Configurarea Mediului de Margine
- Introducere în dispozitivele de margine (Raspberry Pi, NVIDIA Jetson, etc.)
- Instalarea software-ului și bibliotecilor necesare
- Configurarea mediului de dezvoltare
- Pregătirea hardware-ului pentru implementarea AI
Dezvoltarea Modelelor de AI pentru Margine
- Prezentare generală a modelelor de învățare automată și deep learning pentru dispozitive de margine
- Tehnici pentru antrenarea modelelor în medii locale și cloud
- Optimizarea modelelor pentru implementare la margine (cuantizare, pruning, etc.)
- Instrumente și framework-uri pentru dezvoltarea AI la Margine (TensorFlow Lite, OpenVINO, etc.)
Implementarea Modelelor de AI pe Dispozitive de Margine
- Pași pentru implementarea modelelor de AI pe diverse hardware-uri de margine
- Procesarea și inferența datelor în timp real pe dispozitive de margine
- Monitorizarea și gestionarea modelelor implementate
- Exemple practice și studii de caz
Soluții Practice de AI și Proiecte
- Dezvoltarea aplicațiilor de AI pentru dispozitive de margine (de exemplu, computer vision, procesare de limbaj natural)
- Proiect practic: Construirea unui sistem de cameră inteligentă
- Proiect practic: Implementarea recunoașterii vocale pe dispozitive de margine
- Proiecte de grup colaborative și scenarii din lumea reală
Evaluarea și Optimizarea Performanței
- Tehnici pentru evaluarea performanței modelelor pe dispozitive de margine
- Instrumente pentru monitorizarea și depanarea aplicațiilor de AI la Margine
- Strategii pentru optimizarea performanței modelelor de AI
- Abordarea provocărilor legate de latență și consumul de energie
Integrarea cu Sisteme IoT
- Conectarea soluțiilor de AI la Margine cu dispozitive și senzori IoT
- Protocoale de comunicare și metode de schimb de date
- Construirea unei soluții complete de AI la Margine și IoT
- Exemple practice de integrare
Considerații Etici și de Securitate
- Asigurarea confidențialității și securității datelor în aplicațiile de AI la Margine
- Abordarea bias-ului și echității în modelele de AI
- Conformitatea cu reglementările și standardele
- Bune practici pentru implementarea responsabilă a AI
Proiecte și Exerciții Practice
- Dezvoltarea unei aplicații complete de AI la Margine
- Proiecte din lumea reală și scenarii
- Exerciții de grup colaborative
- Prezentări de proiect și feedback
Rezumat și Pași Următori
Cerințe
- Înțelegerea conceptelor de AI și învățare automată
- Experiență cu limbaje de programare (Python recomandat)
- Familiaritate cu conceptele de calcul la margine
Publicul țintă
- Dezvoltatori
- Oameni de știință de date
- Entuziaști de tehnologie
14 Ore
Mărturii (2)
ecosistemul ML nu include doar MLFlow, ci și Optuna, hyperops, Docker și Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
M-a plăcut să particip la instruirea Kubeflow, care a avut loc la distanță. Această instruire mi-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toate instrumentele devOps în jurul Kubeflow, care reprezintă bazele necesare pentru a aborda subiectul cu succes. Vreau să-i mulțumesc lui Malawski Marcin pentru răbdarea sa și profesionalismul demonstrat în instruire și sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite unghiuri, folosind diferite instrumente de implementare precum Ansible, EKS kubectl, Terraform. Acum sunt cu adevărat convins că intru în domeniul de aplicație potrivit.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina
