AI Engineering Fundamentals Training Course

Huawei Ascend είναι μια οικογένεια AI προσταθμών σχεδιασμένων για υψηλή επίδοση αποδοχής και εκπαίδευσης.

Αυτό το εξ οργάνου διδασκαλία (διαδικτύου ή σε χώρο) προσβάσιμο είναι για μεσαίων επιπέδου AI μηχανικούς και δεδομένων επιστήμονες που θέλουν να αναπτύξουν και να τροποποιήσουν νευρωνικά δίκτυα μοντέλων χρησιμοποιώντας το πλατφόρμα Huawei’s Ascend και το toolkit CANN.

Στο τέλος αυτής της διδασκαλίας, οι συμμετέχοντες θα μπορούν να:

• Εγκαταστήσουν και ρυθμίσουν το περιβάλλον ανάπτυξης CANN.
• Αναπτύξουν AI εφαρμογές χρησιμοποιώντας MindSpore και CloudMatrix διαδικασίες.
• Τροποποιήσουν την επίδοση στου Ascend NPUs χρησιμοποιώντας προσαρμοστικά αποδείξεις και tiling.
• Αντικαταστήσουν τα μοντέλα σε edge ή cloud περιβάλλοντα.

Σχήμα της διδασκαλίας

• Επικοινωνητικό μάθημα και συζήτηση.
• Χειρότεχνη χρήση Huawei Ascend και CANN toolkit σε δείγματα εφαρμογών.
• Οδηγημένες ασκήσεις που επικεντρώνονται στην κατασκευή, εκπαίδευση, και ρύθμιση μοντέλων.

Προσαρμογή της διδασκαλίας

• Για να ζητήσετε προσαρμοστική εκπαίδευση για αυτό το μάθημα βασισμένο στην υποδομή ή δεδομένα σας, παρακαλώ επικοινωνήστε μαζί μας για να καθορίσετε.

CloudMatrix είναι η αποτελεσματική πλατφόρμα ανάπτυξης και εγκατάστασης AI της Huawei, σχεδιασμένη για να υποστηρίζει μεγάλες κλίμακες παραγωγικών διαδικασιών επεξεργασίας συμπερασμάτων.

Αυτή η εκπαιδευτική εκπόνηση (διαπολιτισμική ή προσωπική) στοχεύει σε αναφορικούς και μέσου επιπέδου ειδικευμένους στην AI, οι οποίοι επιθυμούν να εγκαταστήσουν και να διαφυλάξουν μοντέλα AI χρησιμοποιώντας την πλατφόρμα CloudMatrix με ενσωμάτωση CANN και MindSpore.

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Χρησιμοποιήσουν το CloudMatrix για πακέτο, εγκατάσταση και υπηρεσία μοντέλων.
• Μετατρέψουν και βελτιώσουν τα μοντέλα για τα Ascend chipsets.
• Εγκαταστήσουν διαδίκτυα για υπηρεσίες επεξεργασίας συμπερασμάτων πραγματικού χρόνου και μέρους.
• Στοχεύουν τις εγκαταστάσεις και βελτιώνουν την απόδοση σε παραγωγικές ρυθμίσεις.

Σχήμα της Εκπαίδευσης

• Ενεργοποιημένη μάθηση και συζήτηση.
• Πρακτική χρήση του CloudMatrix με πραγματικά σενάρια εγκατάστασης.
• Εξοπλισμένες ασκήσεις που καθοδηγούνται με έphasis στη μετατροπή, τη βελτίωση και την επέκταση.

Επιλογές Προσαρμογής της Εκπαίδευσης

• Για να αιτηθεί μια προσωπικοποιημένη εκπαίδευση για αυτή την ομάδα βάσει της AI υποδομής σας ή του κλειδώματός σας, παρακαλώ επικοινωνήστε μαζί μας για να διοργανώσετε.

Οι Biren AI Accelerators είναι υψηλής επέκτασης GPUs που σχεδιάστηκαν για λειτουργίες AI και HPC με υποστήριξη για μεγάλη κλίμακα εκπαίδευσης και αποδοχή.

Αυτό το ζωντανό διδασκαλία (διαδικτύου ή σε χώρο) είναι προσανατολισμένο σε ανάπτυξη μεταξύ κεντρικής και προχωρημένης επίπεδου που θέλουν να πρόγραμμα και τεκμηριώσουν εφαρμογές χρησιμοποιώντας το δικτύωμα GPU αυτοχειρεία Biren, με πρακτικά συγκριματικά CUDA-based περιβάλλοντα.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Συνειδητοποιήσουν την αρχιτεκτονική Biren GPU και την ιεραρχία μνήμης.
• Εγκαταστήσουν το περιβάλλον ανάπτυξης και να χρησιμοποιήσουν το μοντέλο προγραμματισμού Biren.
• Μεταφράσουν και τεκμηριώσουν CUDA-style κώδικα για πλατφόρμες Biren.
• Εφαρμόσουν τεχνικές επιτάχυνσης και αποκατάστασης.

Σχήμα της Εκπαίδευσης

• Εργαλειώδεις διαλέξεις και συζητήσεις.
• Πρακτική χρήση Biren SDK σε παραδείγματα GPU λειτουργιών.
• Οδηγούμενες ασκήσεις με κέντρο την μετάφραση και επιτάχυνση παραγωγικότητας.

Επιλογές Προσαρμογής της Εκπαίδευσης

• Για να αιτηθεί μια προσαρμοσμένη εκπαίδευση για αυτή την ομάδα βασισμένη στο δικό σας δικτύωμα εφαρμογών ή χρεώσεις κλίμακας, παρακαλώ επικοινωνήστε μαζί μας για να διορθωθεί.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επαγγελματίες τεχνητής νοημοσύνης μεσαίου έως προχωρημένου επιπέδου και
προγραμματιστές λογισμικού που επιθυμούν να δημιουργήσουν έξυπνες εφαρμογές χρησιμοποιώντας AI και ML.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε τις προηγμένες έννοιες και τεχνολογίες πίσω από το AI και το ML.
• Αναλύστε και οπτικοποιήστε δεδομένα για να ενημερώσετε την ανάπτυξη μοντέλων AI/ML.
• Κατασκευάστε, εκπαιδεύστε και αναπτύξτε αποτελεσματικά μοντέλα AI/ML.
• Δημιουργήστε έξυπνες εφαρμογές που μπορούν να λύσουν προβλήματα του πραγματικού κόσμου.
• Αξιολογήστε τις ηθικές επιπτώσεις των εφαρμογών AI σε διάφορους κλάδους.

Αυτή η εκπαίδευση, που διεξάγεται από εκπαιδευτικούς, στόχο της έχει να είναι όλοι όσοι θέλουν να εξασφαλίσουν ότι η εταιρεία τους είναι συμβατή, μειώνει τα κινδύνους και δημιουργεί ένα προσωπικό που να χρησιμοποιεί ασφαλώς και εθικά την Τεχνητή Νοημοσύνη (ΤΝ).

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν πώς λειτουργούν τα συστήματα ΤΝ και τι είναι τα δυνατά τους εφαρμογές.
• Αναγνωρίζουν τους κινδύνους και τις περιορισμούς που σχετίζονται με τα συστήματα ΤΝ.
• Σέβονται τις απαιτήσεις νόμου και εθικών προδιαγραφών που είναι σχετικές.

· Φιλόξενη δέσμευση και εισαγωγή

· Βασικά της Τεχνητής Νοημοσύνης (ΤΝ)

• Ορίζουμε και λειτουργούμε τη ΤΝ
• Machine Learning vs. Neural Networks vs. άλλα τεχνολογίες ΤΝ
• Πρακτικά πεδία εφαρμογής

· Νομικό πλαίσιο

• EU AI Act και εθνική υλοποίηση
• Γενικός Data Protection Κανονισμός (GDPR) σε περιβάλλοντα ΤΝ
• Θέματα ευθύνης με τα συστήματα ΤΝ

· Ενορχήσεις και κοινωνικά πρότυπα

• Προκατάληψη και διάκριση στη ΤΝ
• Διαφάνεια και ακολουθησιμότητα
• Εταιρική ευθύνη στη χρήση ΤΝ

· Τεχνική δεξιότητα

• Εισαγωγή στη ανάλυση δεδομένων και τη μηχανική μάθηση
• Βασική κατανόηση των λογισμικών συναρτήσεων και της επεξεργασίας δεδομένων
• Πρακτική χρήση εργαλείων και πλατφόρμων ΤΝ

· Risk Management

• Αναγνώριση και αξιολόγηση των κινδύνων
• Μέτρα για τη μείωση σφαλμάτων και ασυνήθιστης χρήσης
• Εποχιακή επόψη και έλεγχος των συστημάτων ΤΝ

Σύννοηση και Προσαρμογή του EU AI Act

Από 2 Φεβρουαρίου 2025, ο Κανονισμός της ΕΕ για τη ΤΝ, γνωστός ως EU AI Act, είναι επίσης σε δύναμη. Αλλά αυτό σημαίνει ότι η εκπαίδευση για τη ΤΝ είναι τώρα υποχρεωτική; Πολύ. Ο EU AI Act απαιτεί συγκεκριμένα από τις εταιρείες να προετοιμάσουν κατάλληλα τους υπαλλήλους τους για τη διαχείριση Artificial Intelligence (AI) μέσω από συγκεκριμένη και αποτελεσματική εκπαίδευση ΤΝ. Ο τελικός στόχος είναι να εξασφαλίσουμε ότι τα συστήματα ΤΝ χρησιμοποιούνται ασφαλώς και εθικά μέσα στις εταιρείες.

Τι σημαίνει αυτό για την οργάνωσή σας;

• Πώς πρέπει να εφαρμόσετε σωστά τη υποχρεωτική εκπαίδευση ΤΝ;
• Ποιοι είναι οι γενικοί περιεχόμενοι που θα πρέπει να καλύπτει η εκπαίδευσή σας;

Με την αξιοσημείωτη εξέλιξη των τεχνολογιών ΤΝ, οι σχετικοί κινδύνοι έχουν αυξηθεί σημαντικά. Ασφαλέστερα εκπαιδευμένο προσωπικό, ηθικά τραπέζια και ανεύθυνη χρήση δεδομένων μπορούν να οδηγήσουν σε σοβαρές επιπτώσεις για τόσο τις εταιρείες όσο και την κοινωνία. Μέσω του EU AI Act, η ΕΕ δεν απλά προωθεί την ασφαλή και ευθύνη χρήση της ΤΝ, αλλά επιδιώκει επίσης να βελτιώσει τη συνολική ανταγωνιστικότητα της Ευρώπης σε αυτό το κρίσιμο πεδίο.

Περιλήψη της υποχρεωτικής εκπαίδευσης ΤΝ

Ο EU AI Act διάκρινε μεταξύ διαφόρων κατηγοριών κινδύνου των συστημάτων ΤΝ. Σύμφωνα με το αν εκμεταλλεύεται η οργάνωσή σας υψηλού κινδύνου ΤΝ (όπως στη γιατρική ή την πίστωση) ή χαμηλότερου κινδύνου συστήματα, οι ειδικές υποχρεώσεις εκπαίδευσης μπορεί να διαφέρουν.

Οργανώσεις που θα πρέπει να συμμορφωθούν:

• Εταιρείες που ανάπτυσσουν, λειτουργούν ή χρησιμοποιούν συστήματα και εργαλεία ΤΝ.
• Προμηθευτές και λειτουργοί υψηλού κινδύνου συστημάτων ΤΝ.
• Οργανώσεις που επεξεργάζονται προσωπικά δεδομένα χρησιμοποιώντας ΤΝ.

Στόχοι της εκπαίδευσης

Μέσω της υποχρεωτικής εκπαίδευσης ΤΝ, οι υπάλληλοι θα προετοιμαστούν να:

• Καταλάβουν πώς λειτουργούν τα συστήματα ΤΝ και τι είναι τα δυνατά τους εφαρμογές.
• Αναγνωρίζουν τους κινδύνους και τις περιορισμούς που σχετίζονται με τα συστήματα ΤΝ.
• Σέβονται τις απαιτήσεις νόμου και εθικών προδιαγραφών που είναι σχετικές.

Αυτή η εξωτική εκπαίδευση εξασφαλίζει ότι η οργάνωσή σας είναι συμβατή, μειώνει τους κινδύνους και δημιουργεί ένα προσωπικό που να χρησιμοποιεί ασφαλώς και εθικά την ΤΝ.

Προτύπωση Κατάστασης Εκπαίδευσης

• Για να αιτηθεί μια προτυπωμένη εκπαίδευση για αυτό το κουρσό, παρακαλώ επικοινωνήστε μαζί μας.

Ακροατής

• Οργανώσεις που ανάπτυσσουν, λειτουργούν ή χρησιμοποιούν συστήματα ΤΝ
• Προμηθευτές και λειτουργοί υψηλού κινδύνου συστημάτων ΤΝ
• Οργανώσεις που επεξεργάζονται προσωπικά δεδομένα για AI-βασικές εφαρμογές

Αυτή η εκπαίδευση, που διεξάγεται από εκπαιδευτικούς, στόχο της έχει να είναι όλοι όσοι θέλουν να εξασφαλίσουν ότι η εταιρεία τους είναι συμβατή, μειώνει τα κινδύνους και δημιουργεί ένα προσωπικό που να χρησιμοποιεί ασφαλώς και εθικά την Τεχνητή Νοημοσύνη (ΤΝ).

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Καταλάβουν πώς λειτουργούν τα συστήματα ΤΝ και τι είναι τα δυνατά τους εφαρμογές.
• Αναγνωρίζουν τους κινδύνους και τις περιορισμούς που σχετίζονται με τα συστήματα ΤΝ.
• Σέβονται τις απαιτήσεις νόμου και εθικών προδιαγραφών που είναι σχετικές.

Αυτή η ζωντανή εκπαίδευση στο Ελλάδα από εκπαιδευτές (διαδικτυακή ή επιτόπου) απευθύνεται σε αρχάριους επαγγελματίες πληροφορικής που επιθυμούν να αποκτήσουν μια θεμελιώδη κατανόηση των έξυπνων εφαρμογών και του τρόπου εφαρμογής τους σε διάφορους κλάδους.

Μέχρι το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Κατανοήστε την ιστορία, τις αρχές και τον αντίκτυπο της τεχνητής νοημοσύνης.
• Προσδιορίστε και εφαρμόστε διαφορετικούς αλγόριθμους μηχανικής μάθησης.
• Διαχειριστείτε και αναλύστε αποτελεσματικά δεδομένα για εφαρμογές τεχνητής νοημοσύνης.
• Αναγνωρίστε τις πρακτικές εφαρμογές και τους περιορισμούς της τεχνητής νοημοσύνης σε διαφορετικούς τομείς.
• Συζητήστε τις ηθικές εκτιμήσεις και τις κοινωνικές επιπτώσεις της τεχνολογίας AI.

Αυτή η ζωντανή εκπαίδευση υπό την καθοδήγηση εκπαιδευτών στο Ελλάδα (διαδικτυακό ή επιτόπου) απευθύνεται σε επιστήμονες δεδομένων μεσαίου έως προχωρημένου επιπέδου, μηχανικούς και επαγγελματίες τεχνητής νοημοσύνης που επιθυμούν να κατακτήσουν τις περιπλοκές των έξυπνων εφαρμογών και να τις αξιοποιήσουν για να λύσουν πολύπλοκα, προβλήματα του πραγματικού κόσμου.

Με το τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα είναι σε θέση:

• Εφαρμογή και ανάλυση αρχιτεκτονικών βαθιάς μάθησης.
• Εφαρμόστε τη μηχανική μάθηση σε κλίμακα σε ένα κατανεμημένο υπολογιστικό περιβάλλον.
• Σχεδιασμός και εκτέλεση μοντέλων ενισχυτικής μάθησης για τη λήψη αποφάσεων.
• Αναπτύξτε εξελιγμένα συστήματα NLP για την κατανόηση της γλώσσας.
• Χρησιμοποιήστε τεχνικές όρασης υπολογιστή για ανάλυση εικόνας και βίντεο.
• Αντιμετωπίστε ηθικά ζητήματα κατά την ανάπτυξη και την ανάπτυξη συστημάτων AI.