Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do umělé inteligence na zařízeních
- Základy strojového učení přímo na zařízeních
- Výhody a výzvy spojené s malými jazykovými modely
- Přehled hardwarových omezení u mobilních telefonů a IoT zařízení
Optimalizace modelů pro nasazení na zařízeních
- Kvantizace a ořezávání modelů
- Přenos znalostí mezi modely pro vytvoření menších a efektivnějších verzí
- Výběr a přizpůsobení modelů tak, aby plnily požadavky zařízení
Nástroje a frameworky pro umělou inteligenci specifické pro jednotlivé platformy
- Seznámení s nástroji TensorFlow Lite a PyTorch Mobile
- Využití knihoven určených konkrétně pro dané platformy k implementaci umělé inteligence
- Strategie pro nasazení modelů na více platformách
Reálné inferenční procesy a edge computing
- Techniky pro rychlou a efektivní inferenci na zařízeních
- Využití konceptu edge computingu při implementaci umělé inteligence na zařízeních
- Příklady reálných aplikací využívajících umělou inteligenci v reálném čase
Správa spotřeby energie a prodloužení životnosti baterií
- Optimalizace energetické efektivnosti aplikací s umělou inteligencí
- Jak vyvážit výkonnost a spotřebu energie u zařízení s umělou inteligencí
- Strategie pro prodlužování doby provozu baterií v zařízeních vybavených umělou inteligencí
Bezpečnost a ochrana soukromí při použití umělé inteligence na zařízeních
- Zajištění bezpečnosti dat a ochrany soukromí uživatelů
- Zpracování dat přímo na zařízeních pro lepší ochranu osobních údajů
- Bezpečné aktualizace a údržba modelů umělé inteligence
Uživatelská zkušenost a design interakce
- Návrh intuitivních mechanismů interakce s umělou inteligencí určených pro uživatele zařízení
- Integrace jazykových modelů do uživatelských rozhraní
- Testování s uživateli a shromažďování jejich zpětné vazby týkající se umělé inteligence na zařízeních
Škálovatelnost a údržba systémů s umělou inteligencí
- Správa a aktualizace modelů nasazených na zařízeních
- Strategie pro škálovatelné řešení umělé inteligence na více zařízeních
- Monitorování a analýza nasazených systémů s využitím umělé inteligence
Projektová práce a hodnocení
- Vytvoření prototypu v zvolené oblasti a příprava na jeho nasazení na konkrétním zařízení
- Prezentace řešení s umělou inteligencí určeného k použití na zařízeních
- Hodnocení projektu podle efektivity, inovativnosti a praktičnosti
Závěr a další kroky
Požadavky
- Pevné znalosti v oblasti strojového učení a hlubokého učení
- Zkušenosti s programováním v Pythonu
- Základní povědomí o hardwarových omezeních ovlivňujících nasazení umělé inteligence
Cílová skupina
- Inženýři v oblasti strojového učení a vývojáři umělé inteligence
- Inženýři embedded systémů zabývající se využitím umělé inteligence
- Produktoví manažeři a techničtí vedoucí odpovědní za projekty s využitím umělé inteligence
21 Hodiny
