Entrar em Contato

Programa do Curso

Introdução ao Edge AI e Nano Banana

  • Principais características das cargas de trabalho edge-AI
  • Arquitetura e funcionalidades do Nano Banana
  • Comparação entre estratégias de implantação em edge e na nuvem

Preparação de Modelos para Implantação em Edge

  • Seleção de modelos e avaliação inicial
  • Considerações sobre dependências e compatibilidade
  • Exportação de modelos para otimizações adicionais

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 com percepção de quantização
  • Abordagens INT8, FP16 e precisão mista

Aceleração com Nano Banana

  • Uso de aceleradores do Nano Banana
  • Integração de ONNX e backends de hardware
  • Avaliação (benchmarking) de inferência acelerada

Implantação em Dispositivos de Edge

  • Integração de modelos em aplicações embarcadas ou móveis
  • Configuração do runtime e monitoramento
  • Solução de problemas relacionados à implantação

Análise de Desempenho e Compensações (Trade-offs)

  • Restrições de latência, vazão e térmicas
  • Compensações entre precisão e desempenho
  • Estratégias de otimização iterativa

Boas Práticas para Manutenção de Sistemas Edge-AI

  • 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 com desenvolvimento de modelos em Python
  • Familiaridade com arquiteturas de redes neurais

Público-Alvo

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

Número de participantes


Preço por participante

Testemunhos de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas