Resumen
A medida que la IA se desplaza más allá de la nube, la inferencia en dispositivos está expandiéndose rápidamente a teléfonos inteligentes, dispositivos IoT, robots, visores AR/VR y más. Miles de millones de dispositivos móviles y otros dispositivos edge están listos para ejecutar modelos de IA optimizados. Este curso te equipa con habilidades clave para desplegar IA en dispositivos:
- Explora cómo el despliegue de modelos en dispositivos reduce la latencia, mejora la eficiencia y preserva la privacidad.
- Revisa conceptos clave del despliegue en dispositivos como la captura de gráficos de redes neuronales, la compilación en dispositivos y la aceleración de hardware.
- Convierte modelos preentrenados de PyTorch y TensorFlow para compatibilidad en dispositivos.
- Despliega un modelo de segmentación de imágenes en tiempo real en dispositivos con solo unas pocas líneas de código.
- Prueba el rendimiento de tu modelo y valida la precisión numérica al desplegarlo en entornos de dispositivos.
- Cuantiza y haz que tu modelo sea hasta 4 veces más rápido y 4 veces más pequeño para un mayor rendimiento en dispositivos.
- Observa una demostración de los pasos para integrar el modelo en una aplicación Android funcional.
Aprende de Krishna Sridhar, Director Senior de Ingeniería en Qualcomm, quien ha desempeñado un papel crucial en el despliegue de más de 1,000 modelos en dispositivos y, junto con su equipo, ha creado la infraestructura utilizada por más de 100,000 aplicaciones. Al aprender estas técnicas, estarás en una posición para desarrollar y desplegar IA en miles de millones de dispositivos y optimizar tus modelos complejos para que funcionen eficazmente en el edge.
Universidad: Proveedor: Coursera.
Categorías: Cursos de Inteligencia Artificial, Cursos de Redes Neuronales, Cursos de TensorFlow, Cursos de Segmentación de Imágenes, Cursos de PyTorch, Cursos de Aceleración de Hardware, Cursos de Despliegue de Modelos.
Programa de estudio
Enseñado por
Etiquetas
