Intrati in legatura

Schița de curs

Introducere în Edge AI și Nano Banana

  • Caracteristici cheie ale sarcinilor de lucru edge-AI
  • Arhitectura și capacitățile Nano Banana
  • Compararea strategiilor de implementare edge vs cloud

Pregătirea modelelor pentru implementarea la margine

  • Selectarea modelului și evaluarea de referință
  • Considerații de dependență și compatibilitate
  • Exportul modelelor pentru optimizare ulterioară

Tehnici de compresie a modelelor

  • Strategii de pruning și raritate structurală
  • Partajarea greutăților și reducerea parametrilor
  • Evaluarea impactului compresiei

Cuantizarea pentru performanță la margine

  • Metode de cuantizare post-antrenare
  • Fluxuri de lucru de antrenare conștiente de cuantizare
  • Abordări INT8, FP16 și precizie mixtă

Accelerare cu Nano Banana

  • Utilizarea acceleratoarelor Nano Banana
  • Integrarea ONNX și backend-urilor hardware
  • Benchmarking-ul inferenței accelerate

Implementarea pe dispozitive edge

  • Integrarea modelelor în aplicații embedded sau mobile
  • Configurarea runtime-ului și monitorizarea
  • Depanarea problemelor de implementare

Profilarea performanței și analiza compromisurilor

  • Constrângeri de latență, throughput și termice
  • Compromisuri între acuratețe și performanță
  • Strategii de optimizare iterativă

Bune practici pentru menținerea sistemelor edge-AI

  • Versionare și actualizări continue
  • Rollback de model și gestionarea compatibilității
  • Considerații de securitate și integritate

Rezumat și pașii următori

Cerințe

  • Înțelegerea fluxurilor de lucru de machine learning
  • Experiență în dezvoltarea de modele bazate pe Python
  • Familiaritate cu arhitecturile rețelelor neuronale

Public țintă

  • Ingineri ML
  • Data scientists
  • Practicieni MLOps
 14 Ore

Numărul de participanți


Pret per participant

Mărturii (1)

Cursuri viitoare

Categorii înrudite