Neem contact met ons op

Cursusaanbod

Introductie tot Edge AI en Nano Banana

  • Belangrijke kenmerken van edge-AI-werklasten
  • Architectuur en mogelijkheden van Nano Banana
  • Vergelijking van edge- en cloud-deploymentstrategieën

Modellen voorbereiden voor edge-deployment

  • Selectie van modellen en evaluatie van de basisprestaties
  • Aandachtspunten voor afhankelijkheden en compatibiliteit
  • Exporteren van modellen voor verdere optimalisatie

Technieken voor modelcompressie

  • Strategieën voor knijpen (pruning) en structurele sparsity
  • Gewichtdelen en parameterreductie
  • Evaluatie van de impact van compressie

Kwantisering voor edge-prestaties

  • Post-training kwantiseringmethoden
  • Kwantisatiebewuste trainingsworkflows
  • Aanpakken met INT8, FP16 en gemengde precisie

Versnelling met Nano Banana

  • Gebruik van Nano Banana-accelerators
  • Integratie van ONNX en hardwarebackends
  • Benchmarking van versnelde inferentie

Implementatie op edge-apparaten

  • Integratie van modellen in ingebedde of mobiele applicaties
  • Runtime-configuratie en monitoring
  • Oplossen van implementatieproblemen

Prestatieprofielanalyse en afwegingen

  • Latentie, doorvoer en thermische beperkingen
  • Afwegingen tussen nauwkeurigheid en prestaties
  • Iteratieve optimalisatiestrategieën

Best practices voor het onderhouden van edge-AI-systemen

  • Versiebeheer en continue updates
  • Modelrollback en compatibiliteitsbeheer
  • Veiligheids- en integriteitsoverwegingen

Samenvatting en vervolgstappen

Vereisten

  • Inzicht in machine learning-workflows
  • Ervaring met het ontwikkelen van modellen in Python
  • Kennis van neurale netwerkarchitecturen

Publiek

  • ML-ingenieurs
  • Datawetenschappers
  • MLOps-praktijken
 14 Uren

Aantal deelnemers


Prijs per deelnemer

Getuigenissen (1)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën