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.
План на курса
Въведение в умна техника на устройството
- Основи на машинно обучение на устройството
- Преимущества и предизвикателства на малки езикови модели
- Преглед на ограниченията на оборудването в мобилни и IoT устройства
Оптимизация на модели за развертане на устройството
- Квантизация и подрязване на модели
- Знанието на дистилацията за по-малки и ефективни модели
- Избор и адаптация на модели за производителност на устройството
Платформени инструменти и рамки за умна техника
- Въведение в TensorFlow Lite и PyTorch Mobile
- Използване на специфични за платформата библиотеки за умна техника на устройството
- Стратегии за развертане на различни платформи
Реално време за извличане на информация и изчислително обръщане
- Техники за бързо и ефективно извличане на информация на устройствата
- Използване на изчислително обръщане за умна техника на устройството
- Примери за приложения на умна техника в реално време
Управление на мощността и батериите
- Оптимизация на приложенията за умна техника за енергоефективност
- Балансиране на производителността и консумацията на мощност
- Стратегии за увеличаване на продължителността на батерията в устройства с умна техника
Сигурност и конфиденциалност в умна техника на устройството
- Осигуряване на сигурността на данните и конфиденциалността на потребителите
- Обработка на данни на устройството за запазване на конфиденциалността
- Сигурни обновления и поддръжка на модели
Потребителски опит и дизайн на взаимодействието
- Дизайн на интуитивни взаимодействия с умна техника за потребителите на устройствата
- Интегриране на езикови модели с потребителски интерфейси
- Тестване и обратна връзка от потребителите за умна техника на устройството
Мащабиране и поддръжка
- Управление и обновяване на модели на развъртани устройства
- Стратегии за масштабируеми решения за умна техника на устройството
- Мониторинг и анализ на развъртаните системи за умна техника
Проект и оценка
- Разработка на прототип в избран домейн и подготовка за развертане на избран устройство
- Представяне на решението за умна техника на устройството
- Оценка спрямо ефективност, иновация и практическа полезност
Резюме и следващи стъпки
Изисквания
- Чврста основа на принципи на машинно обучение и дълбоко обучение
- Компетентност в програмиране с Python
- Основни знания за ограниченията на апаратното оборудване при развертането на AI
Целева аудитория
- Инженери на машинно обучение и разработчици на AI
- Инженери на вградени системи, заинтересовани в приложенията на AI
- Мениджъри на продукти и технически ръководители, надзираващи AI проекти
21 часа