Programa do Curso

Introdução à IA na Borda e Nano Banana

  • Características principais das cargas de trabalho de IA na borda
  • Arquitetura e capacidades do Nano Banana
  • Comparação entre estratégias de implantação em nuvem e borda

Preparação de Modelos para Implantação na Borda

  • Seleção de modelos e avaliação baseline
  • Considerações sobre dependências e compatibilidade
  • Exportação de modelos para otimização adicional

Técnicas de Compactação de Modelos

  • Estratégias de poda e esparsidade estrutural
  • Compartilhamento de pesos e redução de parâmetros
  • Avaliação dos impactos da compactação

Quantização para Desempenho na Borda

  • Métodos de quantização pós-treinamento
  • Fluxos de trabalho de treinamento com conscientização da quantização
  • Abordagens INT8, FP16 e precisão mista

Aceleração com Nano Banana

  • Uso de aceleradores Nano Banana
  • Integração de ONNX e backends de hardware
  • Benchmarking de inferência acelerada

Implantação em Dispositivos de Borda

  • Integração de modelos em aplicações embarcadas ou móveis
  • Configuração e monitoramento em tempo de execução
  • Solução de problemas de implantação

Perfilamento de Desempenho e Análise de Trade-offs

  • Latência, throughput e restrições térmicas
  • Trade-offs entre precisão e desempenho
  • Estratégias de otimização iterativa

Melhores Práticas para Manutenção de Sistemas de IA na Borda

  • Versionamento e atualizações contínuas
  • Gerenciamento de rollback de modelos e compatibilidade
  • Considerações sobre segurança e integridade

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fluxos de trabalho de aprendizado de máquina
  • Experiência com desenvolvimento de modelos baseados em Python
  • Familiaridade com arquiteturas de redes neurais

Público-Alvo

  • Engenheiros de ML
  • Cientistas de dados
  • Praticantes de MLOps
 14 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas