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)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kurs - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.