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 terhadap AI di Perangkat
- Dasar-dasar machine learning di perangkat
- Keunggulan dan tantangan penggunaan model bahasa kecil
- Gambaran umum mengenai keterbatasan perangkat keras pada smartphone dan perangkat IoT
Optimalisasi Model untuk Penerapan di Perangkat
- Kuantisasi model serta pengurangan ukuran parameter
- Teknik knowledge distillation untuk menghasilkan model yang lebih kecil namun efisien
- Memilih dan menyesuaikan model agar cocok dengan kemampuan perangkat
Alat dan Framework AI Berdasarkan Platform
- Pengenalan terhadap TensorFlow Lite serta PyTorch Mobile
- Memanfaatkan library khusus platform untuk implementasi AI di perangkat
- Strategi penerapan model secara lintas platform
Proses Inferensi Real-Time dan Komputasi Edge
- Teknik mempercepat proses inferensi di perangkat
- Pemanfaatan komputasi edge untuk mendukung AI di perangkat
- Studi kasus penerapan AI real-time dalam praktik nyata
Manajemen Daya dan Pertimbangan Terkait Umur Baterai
- Mengoptimalkan aplikasi AI agar hemat energi
- Menyeimbangkan antara performa sistem dengan konsumsi daya
- Strategi memperpanjang umur baterai pada perangkat yang memakai teknologi AI
Keamanan dan Privasi dalam AI di Perangkat
- Menjamin keamanan data serta privasi pengguna
- Pengolahan data secara lokal di perangkat demi menjaga privasi
- Proses pembaruan dan pemeliharaan model secara aman
Desain Interaksi dan Pengalaman Pengguna
- Merancang interaksi AI yang mudah dipahami oleh pengguna perangkat
- Mengintegrasikan model bahasa dengan antarmuka pengguna
- Pengujian bersama pengguna serta penerimaan masukan terkait AI di perangkat
Skalabilitas dan Pemeliharaan Sistem
- Cara mengelola dan memperbarui model pada perangkat yang sudah digunakan
- Strategi pengembangan solusi AI di perangkat secara skala besar
- Pemantauan serta analisis kinerja sistem AI setelah diterapkan
Proyek dan Evaluasi Akhir
- Mengembangkan prototipe dalam bidang tertentu lalu mempersiapkannya untuk dipasang pada perangkat terpilih
- Mempersembahkan solusi AI yang telah dirancang kepada peserta lain
- Penilaian berdasarkan efisiensi, tingkat inovasi, serta kelayakan penerapan
Kesimpulan dan Langkah Selanjutnya
Persyaratan
- Pemahaman yang kuat mengenai konsep machine learning dan deep learning
- Keterampilan memadai dalam pemrograman Python
- Pengetahuan dasar tentang keterbatasan perangkat keras terkait penerapan AI
Target Peserta
- Insinyur machine learning dan pengembang AI
- Insinyur sistem tertanam yang berminat pada aplikasi AI
- Manajer produk serta pemimpin teknis yang mengawasi proyek-proyek AI
21 Jam