Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till AI på enheten
- Grunderna i maskininlärning på enheten
- Fördelar och utmaningar med små språkmodeller
- Översikt över maskinvarubegränsningar i mobila enheter och IoT-enheter
Modelloptimering för distribution på enheten
- Modellkvantisering och rensning
- Kunskapsdestillation för mindre, effektiva modeller
- Välja och anpassa modeller för prestanda på enheten
Plattformsspecifika AI-verktyg och ramverk
- Introduktion till TensorFlow Lite och PyTorch Mobile
- Använda plattformsspecifika bibliotek för AI på enheten
- Strategier för plattformsoberoende distribution
Slutsatsdragning i realtid och Edge Computing
- Tekniker för snabb och effektiv inferens på enheter
- Utnyttja databehandling på gränsenheter för AI på enheten
- Fallstudier av AI-tillämpningar i realtid
Att tänka på när det gäller ström Management och batteritid
- Optimera AI-applikationer för energieffektivitet
- Balansera prestanda och strömförbrukning
- Strategier för att förlänga batteritiden i AI-drivna enheter
Säkerhet och sekretess i AI på enheten
- Säkerställa datasäkerhet och användarintegritet
- Databehandling på enheten för att bevara integriteten
- Säkra modelluppdateringar och underhåll
Användarupplevelse och interaktionsdesign
- Designa intuitiva AI-interaktioner för enhetsanvändare
- Integrera språkmodeller med användargränssnitt
- Användartestning och feedback för AI på enheten
ScalaTillgänglighet och underhåll
- Hantera och uppdatera modeller på distribuerade enheter
- Strategier för skalbara AI-lösningar på enheten
- Övervakning och analys för distribuerade AI-system
Projekt och utvärdering
- Utveckla en prototyp i en vald domän och förbereda för distribution på en vald enhet
- Presentation av AI-lösningen på enheten
- Utvärdering baserad på effektivitet, innovation och praktiska egenskaper
Sammanfattning och nästa steg
Krav
- Stark grund i maskininlärning och djupinlärningskoncept
- Kunskaper i Python programmering
- Grundläggande kunskaper om maskinvarubegränsningar för AI-distribution
Publik
- Maskininlärningsingenjörer och AI-utvecklare
- Ingenjörer inom inbyggda system som är intresserade av AI-tillämpningar
- Produktchefer och tekniska ledare som övervakar AI-projekt
21 timmar