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 On-Device AI
- Základy výpočetního učení na zařízeních
- Výhody a výzvy malých jazykových modelů
- Přehled omezujících faktorů hardwaru pro mobilní a IoT zařízení
Optimalizace Modelů pro Deploj na Zařízeních
- Kvantizace a odstřihování modelu
- Distilace znalostí pro menší, efektivnější modely
- Vyberte a přizpůsobte modely pro výkon na zařízeních
Platformové AI Nástroje a Frameworky
- Úvod do TensorFlow Lite a PyTorch Mobile
- Využití platform specifických knihoven pro AI na zařízeních
- Strategie křížového nasazování mezi platformami
Reálný Casový Inferencní a Hranice Výpočetní Technologie
- Techniky pro rychlý a efektivní inferenci na zařízeních
- Využití hranic výpočetní technologie pro AI na zařízeních
- Případové studie reálných aplikací AI v reálném čase
Správa Spotřeby Energie a Délky Baterie
- Optimalizace aplikací AI pro energetickou efektivitu
- Zahajování mezi výkonem a spotřebou energie
- Strategie pro prodloužení životnosti baterie u zařízení s AI
Bezpečnost a Soukromí v On-Device AI
- Zajištění datové bezpečnosti a ochrany osobních údajů
- Spracování dat na zařízení pro zachování soukromí
- Bezpečné aktualizace a udržování modelu
Uživatelský Zážitek a Návrh Interakce
- Návrh intuitivních interakcí AI pro uživatele zařízení
- Integrace jazykových modelů s uživatelskými rozhraními
- Uživatelské testování a zpětná vazba pro AI na zařízeních
Škálovatelnost a Udržování
- Správa a aktualizace modelů v nasazených zařízeních
- Strategie pro škálovatelné AI řešení na zařízeních
- Monitorování a analýza pro nasazené systémy AI
Projekt a Hodnocení
- Vytvoření prototypu v vybraném odvětví a příprava k nasazení na vybrané zařízení
- Prezentace AI řešení na zařízeních
- Hodnocení založené na efektivitě, inovativnosti a praktičnosti
Shrnutí a Další Kroky
Požadavky
- Silná základní znalost konceptů strojového učení a hlubokého učení
- Zručnost v programování Pythonem
- Základní znalost omezujících faktorů hardware pro nasazení umělé inteligence
Cílová skupina
- Inženýři strojového učení a vývojáři AI
- Vývojáři embedded systémů s zájmem o aplikace umělé inteligence
- Manažeri produktů a technické vedoucí, kteří řídí projekty AI
             21 hodiny
        
        
