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

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën