Свържете се с нас

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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории