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
Huawei'ın Yapay Zekâ Ekosistemine Giriş
- Ascend yapay zekâ donanımı: 310, 910 ve 910B genel bakış
- Üst düzey bileşenler: MindSpore, CANN, AscendCL
- Sektörel konumlandırma ve mimari ilkeler
Huawei'ın Yapay Zekâ Yığınının İçinde CANN'ın Rolü
- CANN nedir? SDK amacı ve iç katmanlar
- ATC, TBE ve AscendCL: Modelleri derleme ve çalıştırma
- CANN'ın çıkarım (inference) optimizasyonunu ve dağıtımı nasıl desteklediği
MindSpore Genel Bakış ve Mimarisi
- MindSpore'da eğitim ve çıkarım iş akışları
- Grafik modu, PyNative ve donanım soyutlama
- CANN arka ucu (backend) üzerinden Ascend NPU ile entegrasyon
Ascend'de Yapay Zekâ Yaşam Döngüsü: Eğitimden Dağıtıma
- MindSpore'da model oluşturma veya diğer çerçevelerden dönüştürme
- ATC kullanarak modellerin dışa aktarımı ve derlenmesi
- OM modelleri ve AscendCL kullanılarak Ascend donanımında dağıtım
Diğer Yapay Zekâ Yığınlarıyla Karşılaştırma
- MindSpore vs. PyTorch, TensorFlow: Odak ve konumlandırma
- Ascend'de dağıtım iş akışları vs. GPU tabanlı yığınlar
- Kurumsal kullanım için fırsatlar ve sınırlamalar
Kurumsal Entegrasyon Senaryoları
- Akıllı imalat, devlet yapay zekâsı ve telekomünikasyonda kullanım senaryoları
- Ölçeklenebilirlik, uyumluluk ve ekosistem hususları
- Huawei yığını kullanılarak bulut/yerinde (on-prem) hibrit dağıtım
Özet ve Sonraki Adımlar
Kurs İçin Gerekli Önbilgiler
- Yapay zekâ iş akışları veya platform mimarisi hakkında bilgi
- Model eğitim ve dağıtımı hakkında temel anlayış
- CANN veya MindSpore hakkında önceki pratik deneyim gerekmez
Hedef Kitle
- Yapay zekâ platformu değerlendirecileri ve altyapı mimarları
- Yapay zekâ/ML DevOps ve boru hattı entegratörleri
- Teknoloji yöneticileri ve karar alıcılar
