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

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier