Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Innføring i On-Device AI
- Grunnleggende prinsipper for maskinlæring på enheten
- Fordeler og utfordringer med små språkmodeller
- Oversikt over hårdvarerestriksjoner i mobile og IoT-enheter
Modelloptimalisering for enhetsbasert implementering
- Modellkvantisering og beskjæring
- Kunnskapsdistillasjon for mindre, effektive modeller
- Valg og tilpasning av modeller for enhetsbasert ytelse
Plattformspesifikke AI-verktøy og rammeverk
- Innføring i TensorFlow Lite og PyTorch Mobile
- Utnyttelse av plattformspesifikke biblioteker for enhetsbasert AI
- Strategier for kryssplattform implementering
Sanntidsinferens og edge computing
- Teknikker for rask og effektiv inferens på enheter
- Utnyttelse av edge computing for enhetsbasert AI
- Casestudier av sanntids-AI-applikasjoner
Strømforvaltning og batteritidskonsiderasjoner
- Optimalisering av AI-applikasjoner for energieffektivitet
- Balansering av ytelse og strømforbruk
- Strategier for å forlenge batteritid i AI-drevne enheter
Sikkerhet og personvern i On-Device AI
- Sikring av datasikkerhet og brukerpersonvern
- Enhetsbasert databehandling for personvernsbevaring
- Sikre modelloppdateringer og vedlikehold
Brukeropplevelse og interaksjonsdesign
- Design av intuitive AI-interaksjoner for enhetsbrukere
- Integrering av språkmodeller med brukergrensesnitt
- Brukerprøving og tilbakemelding for enhetsbasert AI
Skalerbarhet og vedlikehold
- Administrering og oppdatering av modeller på implementerte enheter
- Strategier for skalerbare enhetsbaserte AI-løsninger
- Overvåkning og analyser for implementerte AI-systemer
Projekt og vurdering
- Utvikling av en prototyp i et valgt domene og forberedelse for implementering på en valgt enhet
- Presentasjon av den enhetsbaserte AI-løsningen
- Vurdering basert på effektivitet, innovasjon og praktiskitet
Oppsummering og neste trinn
Krav
- Sterk grunnlag i maskinlæring og dyplæringskonsepter
- Dyktighet i Python-programmering
- Grunnleggende kunnskap om hardware-begrensninger for AI-implementering
Målgruppe
- Maskinlæringsingeniører og AI-utviklere
- Embedded systems engineers som er interessert i AI-applikasjoner
- Produktledere og tekniske ledere som overvåker AI-prosjekter
21 timer