Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al ecosistema de IA de Huawei
- Hardware de IA Ascend: visión general de los modelos 310, 910 y 910B
- Componentes de alto nivel: MindSpore, CANN y AscendCL
- Posicionamiento en la industria y principios de arquitectura
El papel de CANN en la pila de IA de Huawei
- ¿Qué es CANN? Propósito del SDK y capas internas
- ATC, TBE y AscendCL: compilación y ejecución de modelos
- Cómo CANN admite la optimización de inferencia y el despliegue
Visión general y arquitectura de MindSpore
- Flujos de trabajo de entrenamiento e inferencia en MindSpore
- Modo gráfico, PyNative y abstracción de hardware
- Integración con el NPU Ascend a través del backend CANN
Ciclo de vida de IA en Ascend: desde el entrenamiento hasta el despliegue
- Creación de modelos en MindSpore o conversión desde otros marcos
- Exportación y compilación de modelos usando ATC
- Despliegue en hardware Ascend usando modelos OM y AscendCL
Comparación con otras pilas de IA
- MindSpore vs. PyTorch, TensorFlow: enfoque y posicionamiento
- Flujos de trabajo de despliegue en Ascend frente a pilas basadas en GPU
- Oportunidades y limitaciones para uso empresarial
Escenarios de integración empresarial
- Casos de uso en manufactura inteligente, inteligencia artificial gubernamental y telecomunicaciones
- Consideraciones sobre escalabilidad, cumplimiento normativo y ecosistema
- Despliegue híbrido de nube/situado en las instalaciones usando la pila de Huawei
Resumen y próximos pasos
Requerimientos
- Familiaridad con flujos de trabajo de IA o arquitectura de plataformas
- Comprensión básica del entrenamiento y despliegue de modelos
- No se requiere experiencia previa práctica con CANN ni MindSpore
Público objetivo
- Evaluadores de plataformas de IA y arquitectos de infraestructura
- Integradores de pipelines y DevOps en IA/ML
- Gerentes tecnológicos y tomadores de decisiones
14 Horas