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.
Cursusaanbod
Inleiding tot het AI-ecosysteem van Huawei
- Ascend AI-hardware: overzicht van 310, 910 en 910B
- Hoog niveau componenten: MindSpore, CANN, AscendCL
- Industriepositie en architectuurprincipes
De rol van CANN in de AI-stack van Huawei
- Wat is CANN? Doel en interne lagen van de SDK
- ATC, TBE en AscendCL: modellen compileren en uitvoeren
- Hoe CANN inferentie-optimalisatie en -implementatie ondersteunt
Overzicht en architectuur van MindSpore
- Trainings- en inferentie workflows in MindSpore
- Grafiekmodus, PyNative en hardware-abstractie
- Integratie met Ascend NPU via CANN backend
AI-levenscyclus op Ascend: van training tot implementatie
- Modelcreatie in MindSpore of conversie vanuit andere frameworks
- Exporteren en compileren van modellen met behulp van ATC
- Implementatie op Ascend-hardware met behulp van OM-modellen en AscendCL
Vergelijking met andere AI-stacks
- MindSpore vs. PyTorch, TensorFlow: focus en positie
- Implementatie workflows op Ascend vs. GPU-gebaseerde stacks
- Kansen en beperkingen voor bedrijfsgebruik
Scenario's voor bedrijfsintegratie
- Gebruiksvoorbeelden in slimme industrie, overheid AI en telecommunicatie
- Schaalbaarheid, naleving en overwegingen van het ecosysteem
- Hybrid implementatie in de cloud/on-premises met behulp van de Huawei-stack
Samenvatting en volgende stappen
Vereisten
- Kennis van AI-workflows of platformarchitectuur
- Basiskennis van modeltraining en -implementatie
- Geen voorafgaande ervaring met CANN of MindSpore vereist
Publiek
- Evaluatoren van AI-platforms en infrastructuurarchitecten
- AI/ML DevOps en pipeline-integratoren
- Technologische managers en beslissers
14 Uren