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.
Course Outline
Εισαγωγή στο On-Device AI
- Βασικές αρχές της μηχανικής μάθησης στη συσκευή
- Πλεονεκτήματα και προκλήσεις των μοντέλων μικρών γλωσσών
- Επισκόπηση των περιορισμών υλικού σε κινητές συσκευές και συσκευές IoT
Βελτιστοποίηση μοντέλου για ανάπτυξη στη συσκευή
- Κβαντοποίηση και κλάδεμα μοντέλου
- Απόσταξη γνώσης για μικρότερα, αποδοτικά μοντέλα
- Επιλογή και προσαρμογή μοντέλων για απόδοση στη συσκευή
Εργαλεία και πλαίσια τεχνητής νοημοσύνης για συγκεκριμένη πλατφόρμα
- Εισαγωγή στα TensorFlow Lite και PyTorch Mobile
- Χρήση βιβλιοθηκών συγκεκριμένης πλατφόρμας για τεχνητή νοημοσύνη στη συσκευή
- Στρατηγικές ανάπτυξης μεταξύ πλατφορμών
Συμπεράσματα σε πραγματικό χρόνο και Edge Computing
- Τεχνικές για γρήγορη και αποτελεσματική εξαγωγή συμπερασμάτων σε συσκευές
- Αξιοποίηση υπολογιστών αιχμής για τεχνητή νοημοσύνη στη συσκευή
- Μελέτες περίπτωσης εφαρμογών AI σε πραγματικό χρόνο
Θέματα ισχύος Management και διάρκεια ζωής μπαταρίας
- Βελτιστοποίηση εφαρμογών AI για ενεργειακή απόδοση
- Εξισορρόπηση απόδοσης και κατανάλωσης ενέργειας
- Στρατηγικές για την επέκταση της διάρκειας ζωής της μπαταρίας σε συσκευές που τροφοδοτούνται με τεχνητή νοημοσύνη
Ασφάλεια και απόρρητο σε τεχνητή νοημοσύνη στη συσκευή
- Διασφάλιση της ασφάλειας των δεδομένων και του απορρήτου των χρηστών
- Επεξεργασία δεδομένων στη συσκευή για τη διατήρηση του απορρήτου
- Ασφαλείς ενημερώσεις και συντήρηση μοντέλων
Εμπειρία χρήστη και σχεδιασμός αλληλεπίδρασης
- Σχεδιάζοντας διαισθητικές αλληλεπιδράσεις AI για χρήστες συσκευών
- Ενσωμάτωση μοντέλων γλώσσας με διεπαφές χρήστη
- Δοκιμές χρηστών και σχόλια για AI στη συσκευή
Scalaικανότητα και Συντήρηση
- Διαχείριση και ενημέρωση μοντέλων σε αναπτυγμένες συσκευές
- Στρατηγικές για επεκτάσιμες λύσεις τεχνητής νοημοσύνης στη συσκευή
- Παρακολούθηση και ανάλυση για αναπτυγμένα συστήματα AI
Έργο και Αξιολόγηση
- Ανάπτυξη πρωτοτύπου σε επιλεγμένο τομέα και προετοιμασία για ανάπτυξη σε επιλεγμένη συσκευή
- Παρουσίαση της λύσης τεχνητής νοημοσύνης στη συσκευή
- Αξιολόγηση με βάση την αποτελεσματικότητα, την καινοτομία και την πρακτικότητα
Περίληψη και Επόμενα Βήματα
Requirements
- Ισχυρή βάση στη μηχανική μάθηση και τις έννοιες βαθιάς μάθησης
- Ικανότητα στον προγραμματισμό Python
- Βασική γνώση των περιορισμών υλικού για την ανάπτυξη τεχνητής νοημοσύνης
Ακροατήριο
- Μηχανικοί μηχανικής μάθησης και προγραμματιστές τεχνητής νοημοσύνης
- Μηχανικοί ενσωματωμένων συστημάτων που ενδιαφέρονται για εφαρμογές τεχνητής νοημοσύνης
- Διευθυντές προϊόντων και τεχνικοί επικεφαλής που επιβλέπουν έργα τεχνητής νοημοσύνης
21 Hours