Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'écosystème IA de Huawei
- Matériel IA Ascend : vue d'ensemble des modèles 310, 910 et 910B
- Composants de haut niveau : MindSpore, CANN, AscendCL
- Positionnement industriel et principes architecturaux
Le rôle de CANN dans la pile IA de Huawei
- Qu'est-ce que CANN ? Objectif du SDK et couches internes
- ATC, TBE et AscendCL : compilation et exécution des modèles
- Comment CANN prend en charge l'optimisation de l'inférence et le déploiement
Vue d'ensemble et architecture de MindSpore
- Workflows d'entraînement et d'inférence dans MindSpore
- Mode graphe, PyNative et abstraction du matériel
- Intégration avec le NPU Ascend via le backend CANN
Cycle de vie IA sur Ascend : de l'entraînement au déploiement
- Création de modèles dans MindSpore ou conversion depuis d'autres frameworks
- Exportation et compilation des modèles avec ATC
- Déploiement sur le matériel Ascend à l'aide de modèles OM et AscendCL
Comparaison avec d'autres piles IA
- MindSpore vs. PyTorch, TensorFlow : focus et positionnement
- Workflows de déploiement sur Ascend vs. piles basées sur GPU
- Opportunités et limites pour une utilisation en entreprise
Scénarios d'intégration en entreprise
- Cas d'utilisation dans la fabrication intelligente, l'IA gouvernementale et les télécoms
- Évolutivité, conformité et considérations écosystémiques
- Déploiement hybride cloud/sur site en utilisant la pile Huawei
Résumé et prochaines étapes
Pré requis
- Familiarité avec les workflows IA ou l'architecture de plateforme
- Compréhension de base de l'entraînement et du déploiement de modèles
- Aucune expérience pratique préalable avec CANN ou MindSpore n'est requise
Public cible
- Évaluateurs de plateformes IA et architectes d'infrastructure
- DevOps IA/ML et intégrateurs de pipelines
- Responsables technologiques et décideurs
14 Heures