Entrar em Contato
 Duração 14 horas

Programa do Curso

Introdução à IA em Edge e ao Nano Banana

  • Características principais de cargas de trabalho de IA em edge
  • Arquitetura e capacidades do Nano Banana
  • Comparação entre estratégias de deploy em edge e em nuvem

Preparando Modelos para Deploy em Edge

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

Técnicas de Compressão de Modelos

  • Estratégias de poda (pruning) e esparsidade estrutural
  • Compartilhamento de pesos e redução de parâmetros
  • Avaliação dos impactos da compressão

Quantização para Desempenho em Edge

  • Métodos de quantização pós-treinamento
  • Fluxos de trabalho de treinamento consciente de quantização (QAT)
  • Abordagens INT8, FP16 e de precisão mista

Aceleração com Nano Banana

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

Deploy em Dispositivos de Edge

  • Integração de modelos em aplicações embarcadas ou móveis
  • Configuração e monitoramento de runtime
  • Resolução de problemas de deploy

Perfil de Desempenho e Análise de Trade-offs

  • Restrições de latência, throughput e térmicas
  • Trade-offs entre precisão e desempenho
  • Estratégias de otimização iterativas

Boas Práticas para Manutenção de Sistemas de IA em Edge

  • Versionamento e atualizações contínuas
  • Rollback de modelos e gerenciamento de compatibilidade
  • Considerações de segurança e integridade

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fluxos de trabalho de machine learning
  • Experiência em desenvolvimento de modelos baseados em Python
  • Conhecimento das arquiteturas de redes neurais

Público-Alvo

  • Engenheiros de ML
  • Cientistas de Dados
  • Profissionais de MLOps

Número de participantes


Preço por participante

Testemunhos de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas