Entrar em Contato

Programa do Curso

Introdução à IA em Edge e ao Nano Banana

  • Principais características de cargas de trabalho de IA em edge
  • Arquitetura e capacidades do Nano Banana
  • Comparação entre estratégias de implantação em edge e em nuvem

Preparação de Modelos para Implantação em Edge

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

Técnicas de Compressão de Modelos

  • Estratégias de poda 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
  • Abordagens com INT8, FP16 e precisão mista

Aceleração com o Nano Banana

  • Uso dos aceleradores do Nano Banana
  • Integração com ONNX e backends de hardware
  • Realização de benchmarks de inferência acelerada

Implantação em Dispositivos Edge

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

Perfilagem de Desempenho e Análise de Compromissos

  • Restrições de latência, throughput e térmicas
  • Compromissos entre precisão e desempenho
  • Estratégias de otimização iterativa

Boas Práticas para a Manutenção de Sistemas de IA em Edge

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

Resumo e Próximos Passos

Requisitos

  • Compreensão dos fluxos de trabalho de aprendizado de máquina
  • Experiência no desenvolvimento de modelos baseados em Python
  • Familiaridade com arquiteturas de redes neurais

Público-Alvo

  • Engenheiros de ML
  • Cientistas de dados
  • Especialistas em MLOps
 14 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas