Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Varighet 14 timer
Kursplan
Introduksjon til Huaweis AI-økosystem
- Ascend AI-hvervare: Oversikt over 310, 910 og 910B
- Høynivåkomponenter: MindSpore, CANN, AscendCL
- Industriplassering og arkitektureprinsipper
CANNs rolle i Huaweis AI-stakk
- Hva er CANN? Formål med SDK og indre lag
- ATC, TBE og AscendCL: Kompilering og kjøring av modeller
- Hvordan CANN støtter inferensoptimalisering og implementering
MindSpore-oversikt og arkitektur
- Trening og inferens-arbeidsflyter i MindSpore
- Grafmodus, PyNative og maskinvareabstraksjon
- Integrasjon med Ascend NPU via CANN-backend
AI-livssyklus på Ascend: Fra trening til implementering
- Oppretting av modeller i MindSpore eller konvertering fra andre rammeverk
- Eksport og kompilering av modeller ved hjelp av ATC
- Implementering på Ascend-hvervare ved hjelp av OM-modeller og AscendCL
Sammenligning med andre AI-stakker
- MindSpore kontra PyTorch og TensorFlow: Fokus og posisjonering
- Implementeringsarbeidsflyter på Ascend kontra GPU-baserte stakker
- Muligheter og begrensninger for enterprise-bruk
Enterprise-integrasjonsscenarioer
- Brukstilfeller i smart produksjon, regjerings-AI og telekom
- Skalerbarhet, samsvar og økossystemoverveielser
- Hybrid implementering i sky/på lokasjon ved bruk av Huawei-stakken
Oppsummering og neste steg
Krav
- Kjennskap til AI-arbeidsflyter eller plattformarkitektur
- Grunntilheng til modelltrening og implementering
- Ingen forhåndserfaring med CANN eller MindSpore kreves
Malgruppe
- AI-plattformvurderere og infrastrukturarkitekter
- AI/ML DevOps og integratorer av arbeidsflyter
- Teknologi ledere og beslutningstakere
