Plan Szkolenia

Wprowadzenie do TensorFlow Lite

  • Przegląd TensorFlow Lite i jego architektury
  • Porównanie z TensorFlow i innymi ramami roboczymi AI dla urządzeń Edge
  • Zalety i wyzwania związane z używaniem TensorFlow Lite dla AI Edge
  • Przypadki zastosowania TensorFlow Lite w aplikacjach AI Edge

Konfiguracja środowiska TensorFlow Lite

  • Instalacja TensorFlow Lite i jego zależności
  • Konfiguracja środowiska programistycznego
  • Wprowadzenie do narzędzi i bibliotek TensorFlow Lite
  • Ćwiczenia praktyczne z konfiguracji środowiska

Rozwijanie modeli AI z użyciem TensorFlow Lite

  • Projektowanie i szkolenie modeli AI do wdrażania na urządzeniach Edge
  • Konwersja modeli TensorFlow do formatu TensorFlow Lite
  • Optymalizacja modeli pod kątem wydajności i efektywności
  • Ćwiczenia praktyczne z rozwoju i konwersji modeli

Wdrażanie modeli TensorFlow Lite

  • Wdrażanie modeli na różne urządzenia Edge (np. smartfony, mikrokomputery)
  • Wykonywanie inferencji na urządzeniach Edge
  • Rozwiązywanie problemów związanych z wdrażaniem
  • Ćwiczenia praktyczne z wdrażania modeli

Narzędzia i techniki optymalizacji modeli

  • Kwantyzacja i jej zalety
  • Techniki przycinania i kompresji modeli
  • Wykorzystanie narzędzi optymalizacyjnych TensorFlow Lite
  • Ćwiczenia praktyczne z optymalizacji modeli

Budowanie praktycznych aplikacji AI Edge

  • Tworzenie aplikacji AI Edge w oparciu o TensorFlow Lite
  • Integrowanie modeli TensorFlow Lite z innymi systemami i aplikacjami
  • Przypadki zastosowania udanych projektów AI Edge
  • Projekt praktyczny z budowaniem aplikacji AI Edge

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie pojęć sztucznej inteligencji i uczenia maszynowego
  • Doświadczenie z TensorFlow
  • Podstawowe umiejętności programowania (zalecany Python)

Grupa docelowa

  • Programiści
  • Naukowcy danych
  • Specjaliści ds. sztucznej inteligencji
 14 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie