Bedankt voor uw aanvraag! Een van onze medewerkers neemt binnenkort contact met u op
Bedankt voor uw boeking! Een van onze medewerkers neemt binnenkort contact met u op.
Duur 14 uren
Cursusaanbod
Inleiding tot Edge AI en Nano Banana
- Belangrijkste kenmerken van edge-AI-werkloads
- Architectuur en mogelijkheden van Nano Banana
- Vergelijking van edge- en cloud-implementatiestrategieën
Modellen voorbereiden voor edge-implementatie
- Modelselectie en basis-evaluatie
- Aandachtspunten voor afhankelijkheden en compatibiliteit
- Modellen exporteren voor verdere optimalisatie
Compressietechnieken voor modellen
- Pruning-strategieën en structurele sparsity
- Gewichtsdeling en parameterreductie
- Evaluatie van de effecten van compressie
Kwantisatie voor edge-prestaties
- Post-training kwantisatiemethoden
- Workflows voor kwantisatiebewust training
- Aanpakken van INT8, FP16 en gemengde precisie
Versnelling met Nano Banana
- Gebruik van Nano Banana-versnellers
- Integratie van ONNX en hardware-backends
- Benchmarking van versnelde inference
Implementatie op edge-apparaten
- Integratie van modellen in ingebouwde of mobiele toepassingen
- Runtime-configuratie en monitoring
- Oplossen van implementatieproblemen
Prestatieprofiel en afwegingsanalyse
- Latentie, doorvoer en thermische beperkingen
- Afwegingen tussen nauwkeurigheid en prestaties
- Iteratieve optimalisatiestrategieën
Best practices voor het onderhouden van edge-AI-systemen
- Versioning en continue updates
- Model-rollback en beheer van compatibiliteit
- Overwegingen rond beveiliging en integriteit
Samenvatting en vervolgstappen
Vereisten
- Een begrip van machine learning-workflows
- Ervaring met modelontwikkeling op basis van Python
- Vamiliariteit met neural netwerkarchitecturen
Publiek
- ML-ingenieurs
- Datawetenschappers
- MLOps-professionals
Getuigenissen (1)
Flow, vibe en onderwerp van de presentatie
Lukasz Kowalczyk - Allegro Sp. z o.o.
Cursus - Google Gemini AI for Data Analysis
Automatisch vertaald
