Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
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
Danışanlarımızın Yorumları (1)
Sunumda akış, enerji ve konu
Lukasz Kowalczyk - Allegro Sp. z o.o.
Eğitim - Google Gemini AI for Data Analysis
Yapay Zeka Çevirisi