Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в ИИ на устройства
- Основи на машинното обучение на устройства
- Предимства и предизвикателства на малките езикови модели
- Преглед на хардуерните ограничения в мобилни и IoT устройства
Оптимизация на модели за внедряване на устройства
- Квантуване и прунинг на модели
- Дестилация на знания за по-малки, ефективни модели
- Избор и адаптиране на модели за производителност на устройство
Платформено-специфични ИИ инструменти и рамки
- Въведение в TensorFlow Lite и PyTorch Mobile
- Използване на платформено-специфични библиотеки за ИИ на устройства
- Стратегии за междуплатформено внедряване
Изводи в реално време и Edge Computing
- Техники за бързи и ефективни изводи на устройства
- Използване на edge computing за ИИ на устройства
- Казуси от практиката на ИИ приложения в реално време
Управление на захранването и съображения за живота на батерията
- Оптимизиране на ИИ приложения за енергийна ефективност
- Балансиране на производителност и консумация на енергия
- Стратегии за удължаване живота на батерията в устройства, захранвани с ИИ
Сигурност и поверителност при ИИ на устройства
- Осигуряване на сигурност на данните и поверителност на потребителите
- Обработка на данни на устройството за запазване на поверителността
- Сигурни актуализации и поддръжка на модели
Потребителско изживяване и дизайн на взаимодействието
- Проектиране на интуитивни ИИ взаимодействия за потребителите на устройства
- Интегриране на езиковите модели с потребителски интерфейси
- Потребителско тестване и обратна връзка за ИИ на устройства
Мащабируемост и поддръжка
- Управление и актуализиране на модели на внедрени устройства
- Стратегии за мащабируеми ИИ решения на устройства
- Мониторинг и анализи за внедрени ИИ системи
Проект и оценяване
- Разработване на прототип в избрана област и подготовка за внедряване на избрано устройство
- Представяне на ИИ решението на устройство
- Оценяване на базата на ефективност, иновативност и практическа приложимост
Обобщение и следващи стъпки
Изисквания
- Силна основа в концепциите за машинно обучение и дълбоко обучение
- Умения за програмиране с Python
- Основни познания за хардуерните ограничения при внедряване на ИИ
Аудитория
- Инженери по машинно обучение и ИИ разработчици
- Инженери по вградени системи, интересуващи се от ИИ приложения
- Продуктови мениджъри и технически ръководители, надзираващи ИИ проекти
21 Часа