Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
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