Wdrożenie i optymalizacja rozwiązań Intel AI

Ten kurs wprowadza Cię w podstawowe techniki i narzędzia do przyspieszania obciążeń AI w architekturze Intel.Szczegółowe informacje na temat tego kursu można znaleźć tutaj. Poprzez jasne, krok po kroku pisemne wyjaśnienia i praktyczne przepisy na kod, dowiesz się, jak wykorzystać specjalistyczne biblioteki, aby przyspieszyć głębokie uczenie się i klasyczne modele uczenia maszynowego bez poświęcania dokładności. Czego się nauczysz: - Zapoznaj się z podstawami akceleracji sprzętowej i ekosystemu oprogramowania Intel AI - Zoptymalizuj modele PyTorch i TensorFlow za pomocą rozszerzeń Intel dla przyspieszenia ram głębokiego uczenia się - Konwertuj i wdrażaj modele głębokiego uczenia się na różnych urządzeniach za pomocą zestawu narzędzi OpenVINO - Zastosuj techniki kwantyzacji i precyzyjnego konwertowania, takie jak INT8 i FP16, aby zmniejszyć opóźnienia - Wdrażaj zoptymalizowane modele widzenia komputerowego i przetwarzania języka naturalnego w rzeczywistych scenariuszach - Analizuj i porównuj wydajność modelu, aby zidentyfikować i rozwiązać wąskie gardła obliczeniowe Kurs rozpoczyna się od podstawowych koncepcji optymalizacji na poziomie sprzętowym i architektury nowoczesnych procesorów.Następnie przeanalizujesz krok po kroku receptury optymalizujące popularne ramy głębokiego uczenia się, kończąc na praktycznych strategiach wdrażania. Ten kurs jest przeznaczony dla początkujących i średnio zaawansowanych naukowców zajmujących się danymi, inżynierów uczenia maszynowego i programistów, którzy chcą zwiększyć wydajność modelu.Zalecana jest podstawowa znajomość Pythona i koncepcji uczenia się maszyn, ale nie jest wymagane wcześniejsze doświadczenie w optymalizacji sprzętu. Zacznij optymalizować przepływy pracy związane ze sztuczną inteligencją i dostarczaj szybsze, bardziej wydajne modele już dziś.