Hubungi Kami

Kerangka Materi

Pengenalan Ekosistem AI Huawei

  • Perangkat keras AI Ascend: tinjauan singkat mengenai model 310, 910, dan 910B
  • Komponen utama: MindSpore, CANN, serta AscendCL
  • Posisi kompetitif di pasar dan prinsip-prinsip desain arsitektur

Peran CANN dalam Stack AI Huawei

  • Apa itu CANN? Tujuan penggunaan SDK dan lapisan-lapisan komponennya
  • ATC, TBE, dan AscendCL: proses kompilasi serta eksekusi model
  • Cara CANN membantu dalam mengoptimalkan performa saat inferensi dan penerapan model

Gambaran Umum serta Arsitektur MindSpore

  • Alur kerja pelatihan dan inferensi dalam MindSpore
  • Mode grafik, PyNative, serta mekanisme abstraksi perangkat keras
  • Integrasi dengan unit pemrosesan nukleus Ascend melalui backend CANN

Siklus Hidup AI pada Platform Ascend: Dari Pelatihan hingga Penerapan

  • Pembuatan model di MindSpore atau konversi dari framework lain
  • Proses ekspor dan kompilasi model menggunakan ATC
  • Penerapan model pada perangkat keras Ascend dengan bantuan format OM serta AscendCL

Perbandingan dengan Stack AI Lainnya

  • MindSpore versus PyTorch dan TensorFlow: fokus penggunaan masing-masing serta posisi di pasar
  • Prosedur penerapan model pada platform Ascend dibandingkan dengan stack berbasis GPU
  • Peluang dan batasan pemanfaatannya dalam konteks perusahaan

Kasus Penggunaan dalam Konteks Perusahaan

  • Contoh implementasi di bidang manufaktur pintar, sistem AI pemerintah, serta sektor telekomunikasi
  • Aspek skalabilitas, kepatuhan terhadap regulasi, dan faktor ekosistem teknologi
  • Strategi penerapan hibrida cloud/lokal dengan memanfaatkan stack dari Huawei

Penutup serta Langkah Selanjutnya

Persyaratan

  • Memahami alur kerja AI atau arsitektur platform secara umum
  • Pengetahuan dasar mengenai proses pelatihan dan penerapan model
  • Tidak diperlukan pengalaman praktis sebelumnya dengan CANN maupun MindSpore

Target Peserta

  • Evaluator platform AI serta arsitek infrastruktur teknologi
  • Tenaga DevOps bidang AI/ML beserta pengintegrasi alur kerja sistem
  • Manajer teknis dan pembuat keputusan strategis
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait