コース概要

デバイス搭載AIの概要

  • デバイス上の機械学習の基本
  • 小型言語モデルの利点と課題
  • モバイルデバイスとIoTデバイスのハードウェア制約の概要

デバイス展開向けモデル最適化

  • モデル量子化とプルーニング
  • 小さくて効率的なモデルのための知識蒸留
  • デバイス性能に合わせたモデル選択とアダプテーション

プラットフォーム固有のAIツールとフレームワーク

  • TensorFlow LiteとPyTorch Mobileの概要
  • デバイス上のAIに使用されるプラットフォーム固有ライブラリの利用
  • クロスプラットフォーム展開戦略

リアルタイム推論とエッジコンピューティング

  • デバイス上での高速かつ効率的な推論のための技術
  • エッジコンピューティングを活用したデバイス上のAI
  • リアルタイムAIアプリケーションの事例研究

電力管理とバッテリ寿命に関する考慮点

  • AIアプリケーションをエネルギー効率的に最適化する
  • パフォーマンスと電力消費のバランス
  • AI機能付きデバイスのバッテリ寿命を延ばす戦略

デバイス搭載AIのセキュリティとプライバシー

  • データのセキュリティとユーザーのプライバシーを確保する
  • プライバシー保護のためのデバイス上のデータ処理
  • セキュアなモデル更新とメンテナンス

ユーザー体験とインタラクションデザイン

  • デバイスユーザー向けの直感的なAIインタラクション設計
  • ユーザーインターフェースとの言語モデル統合
  • デバイス上のAIのユーザーテストとフィードバック

スケーラビリティとメンテナンス

  • 展開済みデバイス上のモデルの管理と更新
  • デバイス上のAIソリューションをスケーラブルにする戦略
  • 展開済みAIシステムの監視と分析

プロジェクトと評価

  • 選択した分野でプロトタイプを開発し、選択したデバイスへの展開を準備する
  • デバイス上のAIソリューションのプレゼンテーション
  • 効率性、革新性、実用性に基づいた評価

まとめと次なるステップ

要求

  • 機械学習と深層学習の概念に関する確固たる基礎
  • Pythonプログラミングのスキル
  • AI展開のためのハードウェア制約の基本的な知識

対象者

  • 機械学習エンジニアとAI開発者
  • AIアプリケーションに関心のある組み込みシステムエンジニア
  • AIプロジェクトを統括する製品マネージャーと技術責任者
 21 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー