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。
コース概要
CANNを用いたコンピュータビジョン/NLPモデル展開の基礎
-
学習から本番環境での稼働までを含むAIモデルのライフサイクル概説
-
リアルタイムコンピュータビジョン・NLP処理における性能面の重要ポイント
-
CANN SDKツール群の概要とモデル統合時の役割説明
コンピュータビジョン・NLPモデルの準備方法
-
PyTorch、TensorFlow、MindSporeからのモデル出力手順
-
画像およびテキストデータに対応したモデルの入力・出力処理方法
-
ATCツールを利用してOM形式へのモデル変換手順の説明
AscendCLを用いた推論パイプラインの構築法
-
AscendCL APIを活用したコンピュータビジョン・NLPモデルの実行手順
-
画像リサイズやトークン化処理、正規化などの前処理フロー構築方法
-
検出枠算出・分類スコア評価およびテキスト解析結果の後処理技法
性能最適化に関する技術手法
-
CANNツール群を用いたコンピュータビジョン・NLPモデルのプロファイリング法
-
混合精度演算やバッチ処理の調整による処理遅延低減方法
-
ストリーム処理環境におけるメモリおよび計算資源管理策
コンピュータビジョン分野での活用事例
-
スマート監視システム向け物体検出の実装例
-
製造現場における製品外観検査プロセスの自動化事例
-
Ascend 310プラットフォーム上でのライブ映像解析パイプラインの構築法
NLP分野での活用事例
-
感情分析やユーザ意図判定処理の導入例
-
文書分類および要約作成機能の実装事例
-
REST APIや各種メッセージングシステムとのリアルタイム統合手法
まとめおよび今後の取り組み方向性について
要求
-
コンピュータビジョンまたはNLP分野におけるディープラーニングの基礎知識
-
PythonおよびTensorFlow、PyTorch、MindSporeなどのAIフレームワークに関する経験
-
モデル展開や推論処理の基本フローへの理解が求められます。
対象者
-
HuaweiのAscendプラットフォームを活用するコンピュータビジョン・NLP技術者
-
リアルタイム認識モデル開発に携わるデータサイエンティストおよびAIエンジニア
-
製造業や監視システム、メディア分析分野でCANNパイプラインの導入を担う開発者
14 時間