CANNを用いたエッジAIの展開のトレーニングコース

本講座は日本にてインストラクターが直接指導するライブトレーニング（オンラインまたは現地開催）で、5GネットワークがいかにエッジAIアプリケーションの発展を促進するかを学びたい中級レベルの通信業界の専門家、AIエンジニア、およびIoT技術者を対象としています。

講座終了時には、受講生は以下の能力を身につけることができます：

• 5G技術の基礎とそれがエッジAIに与える影響を理解する。
  
• 超低遅延対応として最適化されたAIモデルを5G環境下で導入できる。
  
• エッジAIおよび5G接続を用いたリアルタイム意思決定システムを実装できる。
  
• エッジデバイス上で効率的な処理を行うために、AIワークロードを最適化できる。
  

本講座は、日本（対面またはオンライン）形式で開催されるトレーニングであり、最先端エッジAI技術を習得したい上級者の皆様に特化しています。受講者はモデル最適化手法の習熟や実用例開発などにより、エッジコンピューティング分野で大きな成果を創出できることでしょう。

受講完了時には以下の能力が確実に身につきます：

• 高度なエッジAIモデル開発・最適化手法の習得
• 最先端技術を駆使したエッジ機器向けAI導入戦略の構築力
• 高度な用途対応ツール・フレームワークの活用能力
• エッジAIソリューションの性能改善および効率化手法の理解
• 革新的なビジネスモデルや今後の技術トレンドの把握力強化
• 複雑な倫理・セキュリティ課題に対応するための判断力向上

Huawei Ascendは、高性能な推論処理と学習処理のために設計されたAIプロセッサ群です。

本講座は、HuaweiのAscendプラットフォームおよびCANNツールキットを用いてニューラルネットワークモデルを開発・最適化したい中級レベルのAIエンジニアやデータサイエンティスト向けに提供される、インストラクター主導のライブ研修（オンラインまたは対面）です。

本研修を修了すると、参加者は以下のことが可能になります：

• CANN開発環境のセットアップおよび設定
• MindSporeおよびCloudMatrixワークフローを用いたAIアプリケーションの開発
• カスタムオペレータやタイリング技術を活用したAscend NPU上でのパフォーマンス最適化
• モデルをエッジ環境またはクラウド環境へ展開すること

講座の形式について

• インタラクティブな講義およびディスカッション
• Huawei AscendおよびCANNツールキットを実際のサンプルアプリケーションで活用する演習
• モデルの構築、学習、展開に焦点を当てた指導付き練習問題

カスタマイズ可能なオプションについて

• お客様の利用環境やデータセットに合わせた本講座のカスタマイズをご希望の場合は、事前にお問い合わせください。

本講座は講師によるライブ形式の研修日本（オンラインまたは対面）であり、さまざまな用途向けにエッジデバイス上でAIモデルを導入したい中級レベルの開発者、データサイエンティスト、技術愛好家の方々を対象としています。

研修終了時には、受講者は以下の能力を身につけられるようになります：

• エッジAIの基本概念およびその利点を理解する
  
• エッジコンピューティング環境を設定・構成する
  
• エッジ向けにAIモデルを開発・学習・最適化する
  
• エッジデバイス上で実用的なAIソリューションを実装する
  
• エッジ環境に導入されたモデルのパフォーマンスを評価・向上させる
  
• エッジAIアプリケーションにおける倫理的・セキュリティ面の課題に対処する
  

本講座は日本にて開催される講師によるオンラインまたは対面形式の実践トレーニングで、エッジAIシステムに堅固なセキュリティ機能や耐障害性戦略を導入したい上級レベルのサイバーセキュリティ専門家、AIエンジニア、IoT開発者向けに開催されます。

本トレーニング終了時には、受講生は以下のスキルを習得できるようになります：

• エッジAI環境におけるセキュリティリスクや脆弱性を理解する。
• データ保護のために暗号化技術や認証手法を実装できる。
• サイバー攻撃にも耐えうる堅牢なエッジAIアーキテクチャを設計できる。
• エッジ環境下で安全にAIモデルを導入・展開するための戦略を適用できる。

Cambricon社のMLU（マシンラーニングユニット）は、エッジ環境やデータセンターにおいて推論・学習処理に最適化された専用AIチップです。

本講座はインストラクターが直接指導する実践的なトレーニングで、オンラインまたは会場での開催となります。BANGPyフレームワークおよびNeuware SDKを活用し、Cambricon MLUハードウェア上にAIモデルを構築・展開したい中級レベルの開発者向けの内容です。

講座終了後には、以下のことが可能になります：

• BANGPyおよびNeuwareの開発環境を適切にセットアップできるようになる。
• PythonまたはC++で記述されたAIモデルをMLU向けに開発・最適化できるようになる。
• Neuwareランタイムが搭載されたエッジ機器やデータセンター環境へモデルを展開できるようになる。
• MLワークフローとMLU特有の高速化機能とを効果的に統合できるようになる。

講座形式

• 対話型の講義およびディスカッション。
• BANGPyおよびNeuwareを用いた実践的な開発・展開演習。
• 最適化や統合作業、検証に重点を置いた練習問題。

講座内容のカスタマイズ

• ご使用のCambriconデバイス仕様や具体的な用途に応じたカスタムトレーニングをご希望の場合は、お問い合わせいただければ手配可能です。

CANN（Compute Architecture for Neural Networks）は、ファーウェイが提供するAI計算用ツールキットであり、Ascend AIプロセッサ上でAIモデルをコンパイル・最適化・展開するために利用されます。

本講座はインストラクターによるライブトレーニング（オンラインまたは現地実施）で、AI開発初心者を対象としています。CANNがモデルの訓練から展開までのプロセスにおいてどのように役立つか、またMindSpore、TensorFlow、PyTorchといったフレームワークとどう連携するかを学ぶことを目的としています。

講座終了時には、受講者は以下のスキルを身につけることができます：

• CANNツールキットの目的とアーキテクチャを理解する
• CANNおよびMindSporeを用いて開発環境を構築する
• 簡単なAIモデルをAscendハードウェア向けに変換・展開する
• ​将来のCANN最適化や統合プロジェクトに向けた基礎知識を得る

講座の形式

• インタラクティブな講義およびディスカッション
• 簡易的なモデル展開を体験する実習
• CANNツールチェーンおよび統合ポイントの段階別解説

講座カスタマイズオプション

• 本講座をご要望に合わせてカスタマイズしたい場合は、ご連絡ください

ファーウェイが提供するAIスタックは、下層レベルのCANN SDKから上層レベルのMindSporeフレームワークに至るまで、Ascendハードウェア向けに最適化された統合的なAI開発・展開環境を実現しています。

本講座はインストラクター主導のライブトレーニング（オンラインまたは現地開催）で、AIライフサイクル管理やインフラ構築における意思決定を支援するため、CANNおよびMindSporeがどのように連携しているかを学びたい初心者から中級レベルの技術担当者の方々を対象としています。

受講を終える頃には、参加者は以下のことを実現できるようになります：

• ファーウェイのAIコンピュートスタックが持つ階層型アーキテクチャを理解する。
• CANNがモデル最適化やハードウェアレベルでの展開をどのように支援しているかを見極める。
• 業界他社製品との比較を踏まえ、MindSporeフレームワークおよびツールチェーンを評価する。
• 企業環境やクラウド／オンプレミス環境におけるファーウェイのAIスタックの位置づけを把握する。

講座形式について

• 双方向性の高い講義およびディスカッション。
• 実際のシステムを使ったデモやケーススタディに基づく解説。
• MindSporeからCANNへのモデル流用処理を体験するための演習も任意で用意されています。

カスタマイズオプションについて

• 本講座の内容をご要望に合わせてカスタマイズしたい場合は、お問い合わせいただければ手配いたします。

CANN SDK（Compute Architecture for Neural Networks）は、ファーウェイが提供するAI計算基盤であり、開発者がAscend AIプロセッサ上で展開されたニューラルネットワークのパフォーマンスを細かく調整・最適化できるようにします。

本講座はインストラクター主導のライブトレーニング（オンラインまたはオンサイト）で、CANNが提供するグラフエンジンやTIK、カスタム演算子開発といった高度なツール群を活用して推論性能を最適化したい上級レベルのAI開発者やシステムエンジニアを対象としています。

本講座の終了時には、受講生は以下のことを実現できるようになります：

• CANNのランタイム構造およびパフォーマンス最適化の全プロセスを理解する。
• プロファイリングツールやグラフエンジンを用いて性能分析および改善を行う。
• TIKおよびTVMを活用してカスタム演算子を作成・最適化する。
• メモリのボトルネックを解消し、モデルの処理能力を向上させる。

講座の形式について

• インタラクティブな講義およびディスカッション
• リアルタイムプロファイリングや演算子チューニングを行う実習セッション
• 特殊な導入環境を想定した最適化演習も実施

カスタマイズオプションについて

• 本講座の内容をご要望に合わせてカスタマイズ希望の場合は、お問い合わせください。

CANN SDK（ニューラルネットワーク用計算アーキテクチャ）は、特にHuawei Ascendハードウェア上で、コンピュータビジョンやNLP分野におけるリアルタイムAIアプリケーションの展開および最適化を支援する強力なツール群です。

本講座は講師主導型のライブ研修（オンラインまたは対面）で、実業務向けにコンピュータビジョンや言語モデルを構築・展開・最適化したい中級レベルのAI技術者を対象としています。

研修終了時には、受講生は以下のスキルを習得できるようになります：

• CANNおよびAscendCLを用いてコンピュータビジョン・NLPモデルを展開し、最適化する方法
  
• CANNの各種ツールを利用してモデル変換を行い、実運用環境向けパイプラインへ統合する手順
  
• 物体検出・分類や感情分析などのタスクにおいて推論処理の性能を最適化する技術
  
• エッジ端末およびクラウド環境向けに、リアルタイム動作が可能なコンピュータビジョン／NLPパイプラインの構築法
  

講座の形式について

• インタラクティブな講義および実演
  
• モデル展開や性能分析を体験できる実習セッション
  
• 実際のコンピュータビジョン／NLP利用シーンに即したパイプライン設計演習
  

カスタマイズオプション

• 本講座をご希望の内容に合わせてカスタマイズする場合は、お問い合わせいただければ調整いたします。
  

CANN TIK（Tensor Instruction Kernel）およびApache TVMにより、Huawei Ascendハードウェア向けのAIモデルオペレータを高度に最適化・カスタマイズすることが可能になります。

本トレーニングはインストラクター主導のライブ講座（オンラインまたは対面）で、CANNのTIKプログラミングモデルおよびTVMコンパイラとの連携機能を活用してAIモデルのカスタムオペレータを構築・展開・チューニングしたい上級レベルのシステム開発者向けです。

受講終了後、参加者は以下のスキルを習得できるようになります：

• Ascendプロセッサ向けにTIK DSLを用いてカスタムAIオペレータを記述・テストする
• CANNランタイムおよび実行グラフへ自作のオペレータを統合する
• TVMを用いてオペレータのスケジューリング、自動チューニング、ベンチマークを行う
• 独自の計算パターンに対して命令レベルでの性能をデバッグ・最適化する

講座形式について

• インタラクティブな講義とデモンストレーション
• TIKおよびTVMパイプラインを活用したオペレータの実際的なコーディング演習
• Ascendハードウェアまたはシミュレーター上でのテストとチューニング

カスタマイズオプションについて

• 本講座の内容をお客様ニーズに合わせて調整したい場合は、事前にお問い合わせください。

本講座は日本（オンラインまたは対面）で実施されるインストラクター主導のライブ研修で、スマートファーミング向けエッジAIソリューションを開発・展開したい初心者から中級レベルの農業テクノロジー専門家、IoT技術者およびAIエンジニアが対象となります。

研修の最後には受講生は以下の点を習得することができます：

• 精密農業分野においてエッジAIが果たす役割を把握する
  
• AI駆動型の作物・家畜モニタリングシステムを導入できるようになる
  
• 自動灌漑および環境センサー系ソリューションの構築が可能となる
  
• ​リアルタイム解析で得られるエッジAIデータを活かし農業効率向上を実現できるようになる
  

本インストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、エッジAIを活用して革新的な自律型システムソリューションを開発したい中級レベルのロボット工学エンジニア、自動運転車の開発者、およびAI研究者を対象としています。

本トレーニングを終了すると、受講者は以下のことを実現できるようになります：

• 自律型システムにおけるエッジAIの役割と利点を理解する。
• エッジデバイス上でリアルタイム処理を行うためのAIモデルを開発・導入できる。
• 自律型車両、ドローン、ロボットにエッジAIソリューションを実装できる。
• エッジAIを用いて制御システムを設計・最適化できる。
• 自律型AIアプリケーションにおける倫理的および規制的な考慮事項に対処できる。