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 On-Device AI
- Grunderna i maskininlärning på enheten
- Fördelar och utmaningar med små språkmodeller
- Översikt över hårdvarubegränsningar i mobila och IoT-enheter
Modelloptimering för On-Device Deployment
- Modellkvantisering och beskärning
- Kunskapsdestillering för småre och effektivare modeller
- Val och anpassning av modeller för prestanda på enheten
Plattformsspecifika AI-verktyg och ramverk
- Introduktion till TensorFlow Lite och PyTorch Mobile
- Användning av plattformsspecifika bibliotek för on-device AI
- Strategier för plattformsoberoende distribution
Real-tidsinferens och Edge Computing
- Tekniker för snabb och effektiv inferens på enheter
- Utnyttjande av edge computing för on-device AI
- Fallstudier av realtids-AI-applikationer
Energihantering och Batteritidsöverväganden
- Optimering av AI-applikationer för energieffektivitet
- Balansering av prestanda och energiförbrukning
- Strategier för att förlänga batteritiden i AI-drivna enheter
Säkerhet och Integritet i On-Device AI
- Säkerställande av datasekretess och användarintegritet
- Bearbetning av data på enheten för integritetsskydd
- Säkra modelluppdateringar och underhåll
Användarupplevelse och Interaktionsdesign
- Design av intuitiva AI-interaktioner för enhetsanvändare
- Integration av språkmodeller med användargränssnitt
- Användartester och feedback för on-device AI
Skalbarhet och Underhåll
- Hantering och uppdatering av modeller på distribuerade enheter
- Strategier för skalbara on-device AI-lösningar
- Övervakning och analys av distribuerade AI-system
Projekt och Bedömning
- Utveckling av en prototyp inom ett valt område och förberedelse för distribution på en vald enhet
- Presentation av on-device AI-lösningen
- Bedömning baserat på effektivitet, innovation och praktisk nytta
Sammanfattning och Nästa Steg
Krav
- Stark grundläggande kunskaper inom maskininlärning och djupinlärning
- Skicklighet i Python-programmering
- Grundläggande kunskaper om hårdvarugränser för AI-utplacering
Målgrupp
- Maskininlärningstekniker och AI-utvecklare
- Inbyggda systemtekniker intresserade av AI-ansökningar
- Produktchefer och tekniska ledare som övervakar AI-projekt
21 timmar