お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
期間 14 時間
コース概要
エッジAIおよびNano Bananaの紹介
- エッジAIワークロードの主な特徴
- Nano Bananaのアーキテクチャと機能
- エッジデプロイメントとクラウドデプロイメント戦略の比較
エッジデプロイメントに向けたモデルの準備
- モデル選択とベースライン評価
- 依存関係および互換性の考慮事項
- さらなる最適化のためのモデルのエクスポート
モデル圧縮技術
- 剪定(プルーニング)戦略と構造的スパース性
- 重み共有とパラメータ削減
- 圧縮のインパクトの評価
エッジパフォーマンスのための量子化
- 学習後量子化手法
- 量子化対応トレーニングワークフロー
- INT8、FP16、混合精度アプローチ
Nano Bananaによる高速化
- Nano Bananaアクセラレータの使用
- ONNXとハードウェアバックエンドの統合
- 高速化された推論のベンチマーク
エッジデバイスへのデプロイメント
- 組み込みまたはモバイルアプリケーションへのモデル統合
- ランタイム設定と監視
- デプロイメント問題のトラブルシューティング
パフォーマンスプロファイリングとトレードオフ分析
- レイテンシ、スループット、熱制約
- 精度とパフォーマンスのトレードオフ
- 反復的な最適化戦略
エッジAISystemの維持に関するベストプラクティス
- バージョン管理と継続的な更新
- モデルのロールバックと互換性管理
- セキュリティと完全性の考慮事項
まとめと次のステップ
要求
- 機械学習ワークフローの理解
- Pythonベースのモデル開発の経験
- ニューラルネットアーキテクチャの熟悉
対象者
- MLエンジニア
- データサイエンティスト
- MLOpsプラクティショナー
お客様の声 (1)
プレゼンテーションにおける流れ、雰囲気、およびトピック
Lukasz Kowalczyk - Allegro Sp. z o.o.
コース - Google Gemini AI for Data Analysis
機械翻訳