CANN SDK for Computer Vision and NLP Pipelines Treningskurs
CANN SDK (Compute Architecture for Neural Networks) tilbyr kraftige verktøy for implementering og optimalisering av realtid AI-applikasjoner i computer vision og NLP, spesielt på Huawei Ascend-hardware.
Denne instruktørførte, live-kurs (online eller på stedet) er rettet mot mellemnivå AI-praktikere som ønsker å bygge, implementere og optimalisere visjons- og språkmodeller ved hjelp av CANN SDK for produksjonsbruk.
Ved slutten av dette kurset vil deltakerne kunne:
- Implementere og optimalisere CV- og NLP-modeller ved hjelp av CANN og AscendCL.
- Bruke CANN-verktøy til å konvertere modeller og integrere dem i live-pipelines.
- Optimalisere inferensprestasjon for oppgaver som deteksjon, klassifisering og sentimentanalyse.
- Bygge realtid CV/NLP-pipelines for edge- eller skybaserte implementerings-scenarier.
Kursformat
- Interaktiv forelesning og demonstrasjon.
- Håndson laboratorium med modellimplementering og prestasjonsprofiling.
- Live-pipeline-design ved hjelp av reelle CV- og NLP-anvendelsesområder.
Kursjusteringsoptsjoner
- For å be om et tilpasset kurs, kontakt oss for å ordne det.
Kursplan
Innføring i CV/NLP-implementering med CANN
- AI-modellens livssyklus fra trening til implementering
- Viktig prestasjonsvurdering for realtid CV og NLP
- Oversikt over CANN SDK-verktøy og deres rolle i modellintegrering
Forberedelse av CV- og NLP-modeller
- Eksportering av modeller fra PyTorch, TensorFlow og MindSpore
- Håndtering av modellens inndata/utdata for bilde- og tekstoppgaver
- Bruk av ATC til å konvertere modeller til OM-format
Implementering av inferenspipelines med AscendCL
- Kjøring av CV/NLP-inferens ved hjelp av AscendCL-APIen
- Forbehandlingspipelines: bildejustering, tokenisering, normalisering
- Etterbehandling: begrensningsbokser, klassifiseringspoeng, tekstutdata
Prestasjonsoptimaliseringsteknikker
- Profilering av CV- og NLP-modeller ved hjelp av CANN-verktøy
- Redusert svarfeil med blandet presisjon og batchjustering
- Håndtering av minne og beregning for streamingoppgaver
Computer Vision-bruksscenarier
- Case-studie: objektdeteksjon for smart overvåking
- Case-studie: visuell kvalitetsinspeksjon i produksjonen
- Bygging av live videoanalysepipelines på Ascend 310
NLP-bruksscenarier
- Case-studie: sentimentanalyse og intensjonsdeteksjon
- Case-studie: dokumentklassifisering og summering
- Reeltid NLP-integrasjon med REST API-er og meldingsystemer
Oppsummering og neste trinn
Krav
- Kjennskap til dyp læring for computer vision eller NLP
- Erfaring med Python og AI-rammeverk som TensorFlow, PyTorch eller MindSpore
- Grunnleggende forståelse av modellimplementering eller inferensarbeidsganger
Målgruppe
- Computer vision- og NLP-praktikere som bruker Huawei’s Ascend-plattform
- Dataforskere og AI-ingeniører som utvikler realtid-perseptionsmodeller
- Utviklere som integrerer CANN-pipelines i produksjon, overvåking eller mediaanalyser
Åpne kurs krever 5+ deltakere.
CANN SDK for Computer Vision and NLP Pipelines Treningskurs - Bestilling
CANN SDK for Computer Vision and NLP Pipelines Treningskurs - Forespørsel
CANN SDK for Computer Vision and NLP Pipelines - Konsulentforespørsel
Kommende kurs
Relaterte kurs
Avansert LangGraph: Optimalisering, Feilsøking og Overvåkning av Komplekse Grafer
35 TimerLangGraph er et rammeverk for å bygge tilstandsstyrte, multi-aktor LLM-applikasjoner som sammensatte grafer med vedvarende tilstand og kontroll over utførelsen.
Denne instruktørledede, live-treningen (online eller på stedet) er rettet mot AI-plattformingeniører, DevOps for AI, og ML-arkitekter på avansert nivå som ønsker å optimalisere, feilsøke, overvåke og drifte produksjonsklare LangGraph-systemer.
Ved slutten av denne treningen vil deltakerne kunne:
- Designe og optimalisere komplekse LangGraph-topologier for hastighet, kostnad og skalerbarhet.
- Ingeniørreliabilitet med gjentakelser, tidsutløsninger, idempotens, og gjenoppretting basert på sjekkpunkter.
- Feilsøke og spore grafutførelser, inspisere tilstand, og systematisk reprodusere produksjonsproblemer.
- Instrumentere grafer med loggfiler, målinger og spor, deployere til produksjon, og overvåke SLAs og kostnader.
Format for kurset
- Interaktiv forelesning og diskusjon.
- Mye øvelser og praksis.
- Hands-on implementering i et live-laboratoriumsmiljø.
Kursetilpassingsmuligheter
- For å be om tilpasset trening for dette kurset, ta kontakt med oss for å avtale.
Bygging av Kodingagenter med Devstral: Fra Agentdesign til Verktøy
14 TimerDevstral er en åpen kilde rammeverk designet for å bygge og kjøre kodingsagenter som kan interagere med kodebaser, utviklerverktøy og APIer for å øke ingeniørproduktivitet.
Denne instruktørledede, live-treningen (online eller på stedet) er rettet mot mellomnivå til avanserte ML-ingeniører, utviklerverktøy-teamer og SREs som ønsker å designe, implementere og optimere kodingsagenter ved hjelp av Devstral.
Ved slutten av denne treningen vil deltakerne kunne:
- Sette opp og konfigurere Devstral for utvikling av kodingsagenter.
- Designe agentbaserte arbeidsflyter for utforskning og modifisering av kodebaser.
- Integre kodingsagenter med utviklerverktøy og APIer.
- Implementere beste praksis for sikker og effektiv agentdeploiement.
Kursformat
- Interaktiv forelesning og diskusjon.
- Mange øvelser og praksis.
- Hånds på implementering i et live-lab-miljø.
KursTilpassingsmuligheter
- For å be om en tilpasset trening for dette kurset, vennligst ta kontakt for å avtale.
Open-Source Model Ops: Selvhøsting, Finjustering og Styring med Devstral & Mistral Modeller
14 TimerDevstral og Mistral-modeller er åpne kilder AI-teknologier designet for fleksibel innføring, finjustering og skalerbar integrering.
Denne instruktørledede, live-treningen (online eller på stedet) er rettet mot mellomnivå til avanserte ML-ingeniører, plattformteam, og forskningsingeniører som ønsker å selv vertshus, finjustere og styre Mistral og Devstral-modeller i produksjonsmiljøer.
Ved avslutningen av denne treningen vil deltakerne kunne:
- Sette opp og konfigurere selv vertshus miljøer for Mistral og Devstral-modeller.
- Anvende finjusteringsteknikker for domenespesifikk ytelse.
- Implementere versjonering, overvåking, og livssyklusstyring.
- Sikre sikkerhet, overholdelse, og ansvarsfull bruk av åpne kildekode modeller.
Kursets format
- Interaktiv forelesning og diskusjon.
- Hender-på øvelser i selv vertshus og finjustering.
- Live-lab implementering av styring og overvåkingsrørledninger.
Kursetilpassingsmuligheter
- For å be om en tilpasset trening for dette kurset, ta kontakt med oss for å avtale.
AI Ansiktsgjenkjenning for Lovhåndhevelse
21 TimerDenne instruktørledede, live opplæringen på Norge (online eller på stedet) er rettet mot nybegynnere innen politi og rettsvesen som ønsker å gå fra manuell ansiktstegning til bruk av AI-verktøy for utvikling av ansiktsgjennkjenningsystemer.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Forstå grunnleggende prinsipper om Kunstig Intelligens og Maskinlæring.
- Lære grunnleggende om digital bildebehandling og dens anvendelse i ansiktsgjennkjenning.
- Utvikle ferdigheter i å bruke AI-verktøy og rammeverk for å lage ansiktsgjennkjenningsmodeller.
- Få praktisk erfaring med å opprette, trene og teste ansiktsgjennkjenningsystemer.
- Forstå etiske overveielser og beste praksis for bruk av ansiktsgjennkjenningsteknologi.
Fiji: Bildebehandling for bioteknologi og toksikologi
14 TimerDette instruktørbaserte, live-treningen i Norge (online eller på sted) er rettet mot nybegynner- og mellomnivå-forskere og laboratorieprofesjonelle som ønsker å behandle og analysere bilder relaterert til histologiske vev, blodceller, alger og andre biologiske prøver.
Ved slutt på denne treningen vil deltakerne kunne:
- Navigere i Fijis grensesnitt og bruke ImageJs kjernefunksjoner.
- Forbehandle og forbedre vitenskapelige bilder for bedre analyse.
- Analysere bilder kvantitativt, inkludert celle telling og arealmåling.
- Automatisere gjentakende oppgaver ved hjelp av makroer og plugins.
- Tilpasse arbeidsflyt for spesifikke bildeanalysebehov i biologisk forskning.
LangGraph Applikasjoner innen Finans
35 TimerLangGraph er et rammeverk for å bygge tilstandsbaserte, multi-actor LLM-applikasjoner som sammensatte grafer med vedvarende tilstand og kontroll over utføring.
Denne instruktørledede, live-treningen (online eller på sted) er rettet mot mellomnivå- til avanserte profesjonelle som ønsker å designe, implementere og drive LangGraph-baserte finansløsninger med riktig styring, observabilitet og overholdelse.
Ved slutten av denne treningen vil deltakerne kunne:
- Designe finansrelaterte LangGraph-flere arbeidsflyter som følger regelverks- og revisjonskrav.
- Integere finansielle datastandarder og ontologier i graftilstand og verktøy.
- Implementere pålitelighet, sikkerhet og menneske-i-løkke-kontroll for kritiske prosesser.
- Deploy, overvåke og optimalisere LangGraph-systemer for ytelse, kostnad og SLAs.
Format på kurset
- Interaktiv forelesning og diskusjon.
- Mange øvelser og praktisk trening.
- Hender i live-laboratoriums miljø.
Tilpassingsalternativer for kurset
- For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.
LangGraph Foundations: Grafbasert LLM-prompting og -kjedning
14 TimerLangGraph er et rammeverk for å bygge LLM-applikasjoner med strukturerte grafer som støtter planlegging, grening, verktøybruk, minne og kontrollerbar utførelse.
Dette instruktørledete, live-opplæringen (online eller på stedet) er rettet mot utviklere på nybegynnernivå, prompt-ingeniører og databehandlere som ønsker å designe og bygge pålitelige, flertrinns LLM-arbeidsflyter ved hjelp av LangGraph.
Etter slutten av denne opplæringen vil deltakerne kunne:
- Forklare grunnleggende LangGraph-konsepter (noder, kanter, tilstand) og når de skal brukes.
- Bygge prompt-kjeder som grener seg, kaller på verktøy og opprettholder minne.
- Integrere henting og eksterne API-er i graf-arbeidsflyter.
- Teste, feilsøke og evaluere LangGraph-applikasjoner for pålitelighet og sikkerhet.
Kursformat
- Interaktiv forelesning og facilitated diskusjon.
- Veiledede laboratorier og kodegjennomganger i et sandkasse-miljø.
- Scenario-baserte øvelser innen design, testing og evaluering.
Alternativer for tilpasning av kurset
- Hvis du ønsker en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale dette.
LangGraph in Healthcare: Workflow Orchestration for Regulated Environments
35 TimerLangGraph muliggjør tilstandsbaserte, multi-aktorarbeidsfløter drevet av LLMs med presis kontroll over utførelsespåer og tilstandspersistens. I helsevesenet er disse evnene avgjørende for overholdelse av forskrifter, interoperabilitet og opprettelse av beslutningsstøttesystemer som samordnes med medisinske arbeidsfløter.
Denne instruktørledede, live trening (online eller på stedet) er rettet mot mellomnivå- til avanserte fagfolk som ønsker å designe, implementere og administrere LangGraph-baserte helsevesenløsninger mens de møter regulerings-, etiske og operative utfordringer.
Ved avslutningen av denne treningen vil deltakerne kunne:
- Designe helsevesen-spesifikke LangGraph-arbeidsfløter med overholdelse og auditering i tankene.
- Integrere LangGraph-applikasjoner med medisinske ontologier og standarder (FHIR, SNOMED CT, ICD).
- Bruke beste praksis for pålitelighet, sporbarhet og forklarbarhet i sensitive miljøer.
- Utplassere, overvåke og validere LangGraph-applikasjoner i helsevesensproduksjonsmiljøer.
Format på kurset
- Interaktive forelesninger og diskusjoner.
- Hender-på øvelser med virkelige tilfeller.
- Implementeringsøvelser i et live-labmiljø.
Tilpasningsmuligheter for kurset
- For å be om tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.
LangGraph for Legal Applications
35 TimerLangGraph er et rammeverk for å bygge tilstandsbevarende, fleraktør LLM-applikasjoner som sammensatte grafer med persistert tilstand og nøyaktig kontroll over kjøring.
Denne instruktørførte, live-utdanningen (online eller på stedet) er rettet mot mellomnivå- til avanserte profesjonelle som ønsker å designe, implementere og driftsette LangGraph-baserte juridiske løsninger med nødvendige overholdelses-, sporbarhets- og reguleringskontroller.
Ved slutten av denne utdannelsen vil deltakerne kunne:
- Designe juridisk spesifikke LangGraph-arbeidsflyter som bevare sporbarhet og overholdelse.
- Integrere juridiske ontologier og dokumentstandarder i grafens tilstand og behandling.
- Implementere kontrollmekanismer, godkjenninger med menneskelig involvering og sporbare beslutningssti.
- Driftsette, overvåke og vedlikeholde LangGraph-tjenester i produksjon med observabilitet og kostnadskontroll.
Kursformat
- Interaktiv forelesning og diskusjon.
- Mye øvelser og praksis.
- Hånd-on implementering i et live-lab-miljø.
Kursanpassningsmuligheter
- For å be om en anpasset utdanning for dette kurset, kontakt oss for å avtale.
Bygge dynamiske arbeidsflyter med LangGraph og LLM-agenter
14 TimerLangGraph er et rammeverk for å sammensette arbeidsflyter med LLM-er basert på grafer, som støtter forgrening, verktøybruk, minne og kontrollerbar utførelse.
Denna instruktørledete, live-undervisningen (nett eller på stedet) er rettet mot ingeniører og produktteam med mellomliggende kompetanse som ønsker å kombinere LangGraphs graflogikk med LLM-agentløkker for å bygge dynamiske, kontekstbevisste applikasjoner som kundesupportagenter, beslutningstre og informasjonshentningssystemer.
Et denne opplæringen vil deltakerne kunne:
- Designe arbeidsflyter basert på grafer som samordner LLM-agenter, verktøy og minne.
- Implementere betinget ruting, omforsøk og fallback-mekanismer for robust utførelse.
- Integriere henting, API-er og strukturerte utdata i agentløkker.
- Evaluere, overvåke og styrke agentytelse for pålitelighet og sikkerhet.
Kursformat
- Interaktiv forelesning og veiledet diskusjon.
- Veiledede laboratorier og kodegjennomgang i et sandkassemiljø.
- Scenariobaserte designoppgaver og kollegaveiledning.
Valgmuligheter for tilpasning av kurset
- Kontakt oss for å bestille en tilpasset opplæring på dette kurset.
LangGraph for Marketing Automation
14 TimerLangGraph er et grafbasert orkestreringsrammeverk som gjør det mulig å implementere betingede, fler-trinns LLM- og verktøy-arbeidsflyt. Dette rammen er ideelt for automatisering og personalisering av innholdspipelines.
Denne instruktørflyttede, live-treningen (online eller på stedet) er rettet mot markedsførere med mellomnivåkompetanse, innholdsstrateger og automatiseringudviklere som ønsker å implementere dynamiske, greningsmessige e-postkampanjer og innholdsgenereringspipelines ved hjelp av LangGraph.
Ved slutten av denne treningen vil deltakerne kunne:
- Designe grafstrukturert innhold og e-postarbeidsflyt med betingelseslogikk.
- Integrere LLMs, APIer og datasøknelser for automatisert personalisering.
- Administrere tilstand, minne og kontekst i fler-trinns kampanjer.
- Evaluere, overvåke og optimalisere arbeidsflyts prestasjon og leveranseresultater.
Kursform
- Interaktive forelesninger og gruppediskusjoner.
- Praktiske laboratorieøvelser med implementering av e-postarbeidsflyt og innholdspipelines.
- Scenario-baserte øvelser om personalisering, segmentering og greningslogikk.
Kursanpassningsmuligheter
- For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.
Le Chat Enterprise: Privat ChatOps, Integrasjoner & Admin-kontroller
14 TimerLe Chat Enterprise er en privat ChatOps-løsning som tilbyr sikre, tilpassbare og regulerte konversasjonsbaserte AI-funksjoner for organisasjoner, med støtte for RBAC, SSO, koblinger og integrasjoner med bedriftsapplikasjoner.
Denne instruktørledede, live treningen (online eller på sted) er rettet mot mellomnivå-produktansvarlige, IT-ledere, løsningsingeniører og sikkerhets-/samsvarslag som ønsker å implementere, konfigurere og administrere Le Chat Enterprise i bedriftsmiljøer.
Ved slutten av denne treningen vil deltakerne kunne:
- Sette opp og konfigurere Le Chat Enterprise for sikre implementeringer.
- Aktivere RBAC, SSO og samvarsdrevet kontroll.
- Integrere Le Chat med bedriftsapplikasjoner og datalagre.
- Utforme og implementere styrings- og administrativspørsmål for ChatOps.
Formatet på kurset
- Interaktiv forelesning og diskusjon.
- Mange øvelser og øving.
- Hender i en live-lab-miljø.
Tilpassingsmuligheter for kurset
- For å be om tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.
Kostnadseffektive LLM-arkitekturer: Mistral i stor skala (Ytelses-/kostnadsteknikk)
14 TimerMistral er en familie av høy ytelses store språkmodeller som er optimalisert for kostnadseffektiv produksjonsutplassering i stor skala.
Denne instruktørledede, live-opplæringen (online eller på stedet) er rettet mot avanserte infrastrukturingeniører, skyarkitekter og MLOps-ledere som ønsker å designe, plassere ut og optimalisere Mistral-baserte arkitekturer for maksimal gjennomstrømning og minimum kostnad.
Etter denne opplæringen vil deltakerne kunne:
- Implementere skalerbare utplasseringsmønstre for Mistral Medium 3.
- Anvende batching, kvantisering og effektive serveringsstrategier.
- Optimalisere inferenskostnader vedlikeholdt ytelse.
- Designe produksjonsklare serveringstopologier for bedriftsarbeidsbelastninger.
Kursformatet
- Interaktiv forelesning og diskusjon.
- Mange øvelser og praksis.
- Håndsmaks implementering i et live-lab-miljø.
Valgfrie kursetilpasninger
- Hvis du ønsker tilpasset opplæring for dette kurset, vennligst kontakt oss for å arrangere.
Python og dyp læring med OpenCV 4
14 TimerDenne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot programvareingeniører som ønsker å programmere i Python med OpenCV 4 for dyp læring.
Ved slutten av denne opplæringen vil deltakerne kunne:
- Se, last inn og klassifiser bilder og videoer ved å bruke OpenCV 4.
- Implementer dyp læring i OpenCV 4 med TensorFlow og Keras.
- Kjør dyplæringsmodeller og generer effektive rapporter fra bilder og videoer.
Vision Builder for Automated Inspection
35 TimerDette instructorledede, live treningen i Norge (online eller på stedet) er rettet mot mellomtrinnspersoner som ønsker å bruke Vision Builder AI til å designe, implementere og optimere automatiserte inspeksjonsystemer for SMT (Surface-Mount Technology) prosesser.
Ved sluttet av denne treningen vil deltakerne kunne:
- Sette opp og konfigurere automatiserte inspeksjoner ved hjelp av Vision Builder AI.
- Få tak i og forbehandle høykvalitetsbilder for analyse.
- Implementere logikkbaserte beslutninger for feilopptegning og prosessverifisering.
- Generere inspeksjonsrapporter og optimere systemytelse.