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.
Durata 14 ore
Schița de curs
Introducere în Edge AI și Nano Banana
- Caracteristici cheie ale workload-urilor AI edge
- Arhitectura și capabilitățile Nano Banana
- Compararea strategiilor de implementare edge vs. cloud
Pregătirea modelelor pentru implementarea edge
- Selectarea modelului și evaluarea de referință
- Considerente privind dependențele și compatibilitatea
- Exportarea modelelor pentru optimizare ulterioară
Tehnici de compresie a modelelor
- Strategii de pruning și raritate structurală
- Partajarea ponderilor și reducerea parametrilor
- Evaluarea impactului compresiei
Cuantizarea pentru performanță edge
- Metode de cuantizare post-training
- Fluxuri de lucru de antrenare conștientă de cuantizare
- Abordări INT8, FP16 și precizie mixtă
Accelerarea cu Nano Banana
- Utilizarea acceleratoarelor Nano Banana
- Integrarea ONNX și a backend-urilor hardware
- Benchmarking-ul inferenței accelerate
Implementarea pe dispozitive edge
- Integrarea modelelor în aplicații embedded sau mobile
- Configurarea runtime și monitorizarea
- Depanarea problemelor de implementare
Analiza performanței și a compromisurilor
- Constrângeri de latență, debit și termice
- Compromisuri între acuratețe și performanță
- Strategii iterative de optimizare
Bune practici pentru menținerea sistemelor AI edge
- Versionare și actualizări continue
- Rollback al modelelor și gestionarea compatibilității
- Considerente de securitate și integritate
Rezumat și pașii următori
Cerințe
- Înțelegerea fluxurilor de lucru machine learning
- Experiență în dezvoltarea de modele bazate pe Python
- Familiaritate cu arhitecturile de rețele neuronale
Public țintă
- Ingineri ML
- Data scientists
- Practicieni MLOps
Mărturii (1)
Flow, atmosferă și tematică a prezentării
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curs - Google Gemini AI for Data Analysis
Tradus de catre o masina