Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 14 hodiny
Návrh Školení
Úvod do Edge AI a Nano Banana
- Klíčové charakteristiky edge-AI zátěží
- Architektura a schopnosti Nano Banana
- Srovnání strategií nasazení na Edge a v cloudu
Připravování modelů pro nasazení na Edge
- Výběr modelů a hodnocení základního stavu
- Zohlednění závislostí a kompatibilitní
- Export modelů pro další optimalizaci
Techniky komprese modelů
- Strategie prořezávání (pruning) a strukturální ředkosti
- Sdílení vah a redukcí parametrů
- Hodnocení dopadů komprese
Kvantizace pro výkon na Edge
- Metody kvantizace po tréninku
- Pracovní toky tréninku s povědomím o kvantizaci (quantization-aware)
- Přístupy INT8, FP16 a smíšené přesnosti
Akcelerace pomocí Nano Banana
- Použití akcelerátorů Nano Banana
- Integrace ONNX a hardwarových backendů
- Benchmarkování zrychlené inferencí
Nasazení na Edge zařízení
- Integrace modelů do vestavěných nebo mobilních aplikací
- Nastavení a monitoring při běhu (runtime)
- Odstraňování problémů s nasazením
Profiling výkonu a analýza kompromisů
- Latence, propustnost a tepelná omezení
- Kompromisy mezi přesností a výkonem
- Iterativní strategie optimalizace
Dobré praxe pro údržbu Edge-AI systémů
- Spravování verzí a průběžné aktualizace
- Vratná akce modelu (rollback) a správa kompatibility
- Zaměření na bezpečnost a integritu
Shrnutí a další kroky
Požadavky
- Pochopení pracovních toků strojového učení (machine learning)
- Zkušenosti s vývojem modelů pomocí Pythonu
- Seznámení s architekturami neuronových sítí
Cílové publikum
- Inženýři pro ML
- Data vědci
- Praktičtí MLOps specialisté
Reference (1)
Plyn, atmosféra a téma prezentace
Lukasz Kowalczyk - Allegro Sp. z o.o.
Kurz - Google Gemini AI for Data Analysis
Přeloženo strojem
