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 a la Implementación de VC/PLN con CANN
- Ciclo de vida de un modelo de IA, desde el entrenamiento hasta la implementación
- Consideraciones clave de rendimiento para VC y PLN en tiempo real
- Descripción general de las herramientas del CANN SDK y su papel en la integración de modelos
Preparación de Modelos VC y PLN
- Exportar modelos desde PyTorch, TensorFlow y MindSpore
- Manejo de entradas/salidas de modelos para tareas de imagen y texto
- Uso de ATC para convertir modelos al formato OM
Implementación de Pipelines de Inferencia con AscendCL
- Ejecución de inferencia VC/PLN utilizando la API AscendCL
- Pipelines de preprocesamiento: redimensionado de imágenes, tokenización, normalización
- Postprocesamiento: cuadros delimitadores, puntuaciones de clasificación, salida de texto
Técnicas de Optimización de Rendimiento
- Perfilado de modelos VC y PLN utilizando herramientas CANN
- Reducción de latencia con precisión mixta y ajuste de lotes (batch)
- Gestión de memoria y cómputo para tareas en flujo continuo (streaming)
Casos de Uso de Visión por Computadora
- Estudio de caso: detección de objetos para vigilancia inteligente
- Estudio de caso: inspección visual de calidad en fabricación
- Construcción de pipelines de análisis de video en vivo en Ascend 310
Casos de Uso de PLN
- Estudio de caso: análisis de sentimiento y detección de intención
- Estudio de caso: clasificación y resumido de documentos
- Integración de PLN en tiempo real con APIs REST y sistemas de mensajería
Resumen y Próximos Pasos
Requerimientos
- Familiaridad con el aprendizaje profundo para visión por computadora o PLN
- Experiencia con Python y frameworks de IA como TensorFlow, PyTorch o MindSpore
- Comprensión básica de flujos de trabajo de implementación o inferencia de modelos
Público Objetivo
- Profesionales de visión por computadora y PLN que utilizan la plataforma Ascend de Huawei
- Científicos de datos e ingenieros de IA que desarrollan modelos de percepción en tiempo real
- Desarrolladores que integran pipelines CANN en fabricación, vigilancia o análisis de medios
14 Horas
