Bize Ulaşın
 Süre 14 Saat

Eğitim İçeriği

Kenar AI ve Nano Banana'ya Giriş

  • Kenar-AI iş yüklerinin temel özellikleri
  • Nano Banana mimarisi ve yetenekleri
  • Kenar vs bulut dağıtım stratejilerini karşılaştırma

Kenar Dağıtımı İçin Modellerin Hazırlanması

  • Model seçimi ve temel değerlendirmeler
  • Bağımlılık ve uyumluluk hususları
  • Optimizasyon için modellerin dışa aktarılması

Model Sıkıştırma Teknikleri

  • Budama (pruning) stratejileri ve yapısal seyreklilik
  • Ağırlık paylaşımı ve parametre azaltma
  • Sıkıştırma etkilerinin değerlendirilmesi

Kenar Performansı İçin Nicelleştirme

  • Eğitim sonrası nicelleştirme yöntemleri
  • Nicelleştirmeye duyarlı eğitim iş akışları
  • INT8, FP16 ve karma hassasiyet yaklaşımları

Nano Banana ile Hızlandırma

  • Nano Banana hızlandırıcılarının kullanımı
  • ONNX ve donanım arka uçlarını (backends) entegrasyonu
  • Hızlandırılmış çıkarımın kıyaslanması (benchmarking)

Kenar Cihazlara Dağıtım

  • Modellerin gömülü veya mobil uygulamalara entegrasyonu
  • Çalışma zamanı yapılandırması ve izleme
  • Dağıtım sorunlarının giderilmesi

Performans Analizi ve Ödünleşim Değerlendirmesi

  • Gecikme, aktarım hızı ve termal kısıtlamalar
  • Doğruluk vs performans ödünleşimleri
  • Yinelemeli optimizasyon stratejileri

Kenar-AI Sistemlerinin Bakımı İçin En İyi Uygulamalar

  • Sürümleme ve sürekli güncellemeler
  • Model geri dönüşü ve uyumluluk yönetimi
  • Güvenlik ve bütünlük hususları

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Makine öğrenimi iş akışları hakkında bilgi
  • Python tabanlı model geliştirme deneyimi
  • Nöral ağ mimarileriyle aşinalık

Hedef Kitle

  • ML mühendisleri
  • Veri bilimcileri
  • MLOps uzmanları

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (1)

Yaklaşan Etkinlikler

İlgili Kategoriler