Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Einführung in Edge-KI und Nano Banana
- Wesentliche Merkmale von Edge-KI-Workloads
- Architektur und Funktionalitäten von Nano Banana
- Vergleich von Edge- und Cloud-Deployment-Strategien
Vorbereitung der Modelle für den Edge-Deployment
- Modellauswahl und Baseline-Evaluation
- Berücksichtigung von Abhängigkeiten und Kompatibilität
- Exportieren der Modelle für weitere Optimierungen
Techniken zur Modellkomprimierung
- Strategien zum Beschneiden (Pruning) und strukturelle Sparsity
- Gewichtete Sharing und Parameterreduktion
- Bewertung der Auswirkungen der Komprimierung
Quantisierung für Edge-Performance
- METHODEN der Post-Training-Quantisierung
- Workflows für die Quantisierungsbewusste Schulung (Quantization-Aware Training)
- Ansätze mit INT8, FP16 und gemischter Präzision
Beschleunigung mit Nano Banana
- Nutzung von Nano-Banana-Beschleunigern
- Integration von ONNX und Hardware-Backends
- Benchmarks für beschleunigte Inferenz
Deployment auf Edge-Geräte
- Integration von Modellen in eingebettete oder mobile Anwendungen
- Runtime-Konfiguration und Überwachung
- Behebung von Deployment-Problemen
Leistungsprofilierung und Analyse von Abwägungen
- Latenz, Durchsatz und thermische Einschränkungen
- Abwägung zwischen Genauigkeit und Leistung
- Iterative Optimierungsstrategien
Best Practices für die Pflege von Edge-KI-Systemen
- Versionierung und kontinuierliche Updates
- Rückwärtskompatibilität und Kompatibilitätsmanagement der Modelle
- Erwägungen zu Sicherheit und Integrität
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Machine-Learning-Workflows
- Erfahrung in der modellbasierten Entwicklung mit Python
- Vertrautheit mit neuronalen Netzen
Zielgruppe
- ML-Ingenieure
- Wissenschaftler für Datenanalyse
- MLOps-Praktiker
Erfahrungsberichte (1)
Fluss, Vibe und Thema der Präsentation
Lukasz Kowalczyk - Allegro Sp. z o.o.
Kurs - Google Gemini AI for Data Analysis
Maschinelle Übersetzung