Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στην Τεχνητή Νοημοσύνη σε Συσκευές

  • Βασικές αρχές μηχανικής μάθησης σε συσκευές
  • Πλεονεκτήματα και προκλήσεις των μικρών γλωσσικών μοντέλων
  • Επισκόπηση των περιορισμών υλικού σε κινητές και IoT συσκευές

Βελτιστοποίηση Μοντέλων για Ανάπτυξη σε Συσκευές

  • Κβαντοποίηση και κλάδεμα μοντέλων
  • Απόσταξη γνώσης για μικρότερα, αποδοτικά μοντέλα
  • Επιλογή και προσαρμογή μοντέλων για απόδοση σε συσκευές

Εργαλεία και Πλαίσια ΤΝ για Συγκεκριμένες Πλατφόρμες

  • Εισαγωγή στα TensorFlow Lite και PyTorch Mobile
  • Χρήση βιβλιοθηκών για συγκεκριμένες πλατφόρμες για ΤΝ σε συσκευές
  • Στρατηγικές ανάπτυξης πολλαπλών πλατφορμών

Συμπερασμός Πραγματικού Χρόνου και Υπολογισμός στην Άκρη

  • Τεχνικές για γρήγορο και αποδοτικό συμπερασμό σε συσκευές
  • Εκμετάλλευση του υπολογισμού στην άκρη για ΤΝ σε συσκευές
  • Μελέτες περιπτώσεων εφαρμογών ΤΝ πραγματικού χρόνου

Διαχείριση Ενέργειας και Παράγοντες Διάρκειας Μπαταρίας

  • Βελτιστοποίηση εφαρμογών ΤΝ για ενεργειακή απόδοση
  • Εξισορρόπηση απόδοσης και κατανάλωσης ενέργειας
  • Στρατηγικές για επέκταση της διάρκειας μπαταρίας σε συσκευές που χρησιμοποιούν ΤΝ

Ασφάλεια και Ιδιωτικότητα στην ΤΝ σε Συσκευές

  • Διασφάλιση ασφάλειας δεδομένων και ιδιωτικότητας χρήστη
  • Επεξεργασία δεδομένων στη συσκευή για διατήρηση ιδιωτικότητας
  • Ασφαλείς ενημερώσεις και συντήρηση μοντέλων

Εμπειρία Χρήστη και Σχεδιασμός Αλληλεπίδρασης

  • Σχεδιασμός διαισθητικών αλληλεπιδράσεων ΤΝ για χρήστες συσκευών
  • Ενσωμάτωση γλωσσικών μοντέλων με διεπαφές χρήστη
  • Δοκιμές χρηστών και ανάδραση για ΤΝ σε συσκευές

Κλιμακωσιμότητα και Συντήρηση

  • Διαχείριση και ενημέρωση μοντέλων σε αναπτυγμένες συσκευές
  • Στρατηγικές για κλιμακώσιμες λύσεις ΤΝ σε συσκευές
  • Παρακολούθηση και αναλυτικά στοιχεία για αναπτυγμένα συστήματα ΤΝ

Έργο και Αξιολόγηση

  • Ανάπτυξη πρωτοτύπου σε επιλεγμένο τομέα και προετοιμασία για ανάπτυξη σε επιλεγμένη συσκευή
  • Παρουσίαση της λύσης ΤΝ στη συσκευή
  • Αξιολόγηση βασισμένη στην αποδοτικότητα, καινοτομία και πρακτικότητα

Σύνοψη και Επόμενα Βήματα

Απαιτήσεις

  • Ισχυρό υπόβαθρο σε έννοιες μηχανικής μάθησης και βαθιάς μάθησης
  • Ευχέρεια στον προγραμματισμό Python
  • Βασικές γνώσεις των περιορισμών υλικού για την ανάπτυξη ΤΝ

Κοινό

  • Μηχανικοί μηχανικής μάθησης και προγραμματιστές ΤΝ
  • Μηχανικοί ενσωματωμένων συστημάτων που ενδιαφέρονται για εφαρμογές ΤΝ
  • Διαχειριστές προϊόντων και τεχνικοί επικεφαλής που επιβλέπουν έργα ΤΝ
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Εφεξής Μαθήματα

Σχετικές Κατηγορίες