Schulungsübersicht
Einführung in die Edge AI-Optimierung
- Überblick über Edge AI und seine Herausforderungen
- Bedeutung der Modelloptimierung für Edge-Geräte
- Fallstudien zu optimierten KI-Modellen in Edge-Anwendungen
Techniken zur Modellkomprimierung
- Einführung in die Modellkompression
- Techniken zur Reduzierung der Modellgröße
- Praktische Übungen zur Modellkompression
Quantisierungsmethoden
- Überblick über die Quantisierung und ihre Vorteile
- Arten der Quantisierung (Post-Training, quantisierungsorientiertes Training)
- Praktische Übungen zur Modellquantisierung
Pruning und andere Optimierungstechniken
- Einführung in Pruning
- Methoden zum Pruning von AI-Modellen
- Andere Optimierungstechniken (z. B. Wissensdestillation)
- Praktische Übungen zum Pruning und zur Optimierung von Modellen
Einsatz von optimierten Modellen auf Edge-Geräten
- Vorbereiten der Edge-Device-Umgebung
- Einsetzen und Testen optimierter Modelle
- Behebung von Problemen bei der Bereitstellung
- Praktische Übungen für die Modellbereitstellung
Tools und Frameworks für die Optimierung
- Überblick über Tools und Frameworks (z. B. TensorFlow Lite, ONNX)
- Verwendung von TensorFlow Lite für die Modelloptimierung
- Praktische Übungen mit Optimierungswerkzeugen
Praktische Anwendungen und Fallstudien
- Rückblick auf erfolgreiche Edge AI-Optimierungsprojekte
- Diskussion von branchenspezifischen Anwendungsfällen
- Praktisches Projekt zum Erstellen und Optimieren einer realen Anwendung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von KI und Konzepten des maschinellen Lernens
- Erfahrung mit der Entwicklung von KI-Modellen
- Grundlegende Programmierkenntnisse (Python empfohlen)
Zielgruppe
- KI-Entwickler
- Ingenieure für maschinelles Lernen
- Systemarchitekten
Erfahrungsberichte (2)
das ML-Ekosystem, nicht nur MLFlow sondern auch Optuna, Hyperopt, Docker und Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
Maschinelle Übersetzung
Ich habe es sehr genossen, an der Kubeflow Ausbildung teilzunehmen, die ferngesteuert durchgeführt wurde. Diese Ausbildung ermöglichte mir, mein Wissen zu AWS-Diensten, K8s und allen devOps-Tools rund um Kubeflow zu festigen, was die notwendige Grundlage ist, um das Thema angemessen anzugehen. Ich möchte Malawski Marcin für seine Geduld und Professionalität bei der Ausbildung sowie für Tipps zur besten Praxis danken. Malawski attackiert das Thema aus verschiedenen Perspektiven, mit unterschiedlichen Bereitstellungstools Ansible, EKS kubectl, Terraform. Jetzt bin ich definitiv überzeugt, dass ich mich auf dem richtigen Anwendungsgebiet befinde.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Kurs - Kubeflow
Maschinelle Übersetzung