お問い合わせ
 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

参加者の人数


参加者1人あたりの価格

お客様の声 (1)

今後のコース

関連カテゴリー