Course Outline

Εισαγωγή στην Optimalización του Edge AI

  • Περιγραφή του Edge AI και των προκλήσεών του
  • Σημασία της επιτόπου optimalización για αξονικά συστήματα
  • Περιπτώσεις πραγματικής χρήσης επιτόπου optimalización AI για εφαρμογές edge

Τεχνικές Συμπίεσης Μοντέλων

  • Εισαγωγή στη συμπίεση μοντέλου
  • Τεχνικές για τη μείωση του μεγέθους του μοντέλου
  • Δραστηριότητες χειρός για συμπίεση μοντέλων

Μέθοδοι Quantization

  • Περιγραφή της quantization και των πλεονεκτημάτων της
  • Τύποι quantization (post-training, quantization-aware training)
  • Δραστηριότητες χειρός για μοντέλων quantization

Τμήμα και άλλες τεχνικές optimalización

  • Εισαγωγή στον περιορισμό
  • Μέθοδοι για το περιορισμό AI models
  • Άλλες τεχνικές optimalización (π.χ., knowledge distillation)
  • Δραστηριότητες χειρός για περιορισμό και optimalización μοντέλων

Κατάθεση επιτηδευματοποιημένων μοντέλων σε edge devices

  • Εκτόξευση του περιβάλλοντος αξονικών συσκευών
  • Κατάθεση και ελέγχος επιτηδευματοποιημένων μοντέλων
  • Λύση προβλημάτων κατάθεσης
  • Δραστηριότητες χειρός για την κατάθεση μοντέλων

Οδηγοί και πλαίσια επιτηδευματοποίησης

  • Περιγραφή των εργαλείων και πλαίσια (π.χ., TensorFlow Lite, ONNX)
  • Χρήση TensorFlow Lite για optimalización μοντέλου
  • Δραστηριότητες χειρός με εργαλεία optimalización

Πρακτικές εφαρμογές και περιπτώσεις

  • Ανάλυση επιτυχημένων περιπτώσεων optimalización AI για edge
  • Συζήτηση σε κοινωνικές περιπτώσεις χρήσης
  • Δραστηριότητα που σχεδιάζει και optimalización μοντέλου εφαρμογής πρακτικής χρήσης

Σύνοψη και συνέχεια

Requirements

  • Κατόχος γνώσης AI και φαινομένων μηχανικής μάθησης
  • Δεξιότητες στον αναπτυξιακό δρόμο AI μοντέλων
  • Βασικές δεξιότητες προγραμματισμού (προτίθεται Python)

Δημοσκοπήσουσα ομάδα

  • Εικαστές αναπτυκτές
  • Τεχνίτης μάθηση μηχανικοί
  • Δημιουργοί συστήματος αρχιτεκτόνων
 14 Hours

Number of participants


Price per participant

Testimonials (2)

Upcoming Courses

Related Categories