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
Introductie tot het AI-ecosysteem van Huawei
- Ascend AI-hardware: overzicht van 310, 910 en 910B
- High-level componenten: MindSpore, CANN, AscendCL
- Positie in de markt en architectonische principes
De rol van CANN in de AI-stapel van Huawei
- Wat is CANN? Doel van het SDK en interne lagen
- ATC, TBE en AscendCL: compileren en uitvoeren van modellen
- Hoe CANN optimalisatie van inferentie en implementatie ondersteunt
Overzicht en architectuur van MindSpore
- Trainings- en inferentie-workflows in MindSpore
- Grafische modus, PyNative en hardwareabstractie
- Integratie met Ascend NPU via de 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-stapels
- MindSpore versus PyTorch en TensorFlow: focus en positie
- Implementatieworkflows op Ascend versus GPU-gebaseerde stapels
- Kansen en beperkingen voor enterprise-gebruik
Scenario's voor enterprise-integratie
- Gebruiksscenario's in slimme fabricage, overheids-AI en telecom
- Schaalbaarheid, compliance en ecosysteemoorwegingen
- Hybride cloud/on-prem implementatie met de Huawei-stapel
Samenvatting en vervolgstappen
Vereisten
- Kennis van AI-workflows of platformarchitectuur
- Basisbegrip van modeltraining en implementatie
- Geen voorafgaande hands-on ervaring met CANN of MindSpore vereist
Doelgroep
- AI-platformbeoordelaars en infrastructuurarchitecten
- AI/ML DevOps- en pipelineintegratoren
- Technologie-managers en besluitvormers
