Kerangka Materi

Pendahuluan tentang AI di Perangkat

  • Dasar-dasar machine learning di perangkat
  • Keuntungan dan tantangan dari small language models
  • Overview of hardware constraints di perangkat mobile dan IoT

Pengoptimalan Model untuk Penyebaran di Perangkat

  • Pengkuantisasi dan pemangkasan model
  • Penekanan pengetahuan untuk model yang lebih kecil dan efisien
  • Memilih dan menyesuaikan model untuk kinerja di perangkat

Alat dan Kerangka Kerja AI Berdasarkan Platform

  • Pendahuluan tentang TensorFlow Lite dan PyTorch Mobile
  • Menggunakan library khusus platform untuk AI di perangkat
  • Strategi penyebaran multi-platform

Inferensi Real-Time dan Edge Computing

  • Teknik untuk inferensi yang cepat dan efisien di perangkat
  • Memanfaatkan edge computing untuk AI di perangkat
  • Kajian kasus dari aplikasi AI real-time

Pengelolaan Tenaga Listrik dan Pertimbangan Baterai

  • Mengoptimalkan aplikasi AI untuk efisiensi energi
  • Menyeimbangkan kinerja dan konsumsi daya
  • Strategi untuk memperpanjang umur baterai di perangkat berbasis AI

Keamanan dan Privasi dalam AI di Perangkat

  • Memastikan keamanan data dan privasi pengguna
  • Pengolahan data di perangkat untuk pemeliharaan privasi
  • Penggantian dan pemeliharaan model yang aman

Pengalaman Pengguna dan Desain Interaksi

  • Mendesain interaksi AI yang intuitif untuk pengguna perangkat
  • Mengintegrasikan model bahasa dengan antarmuka pengguna
  • Pengujian pengguna dan umpan balik untuk AI di perangkat

Scalability dan Pemeliharaan

  • Mengelola dan memperbarui model di perangkat yang terpasang
  • Strategi untuk solusi AI di perangkat yang dapat diperbesar
  • Pemantauan dan analitik untuk sistem AI yang terpasang

Proyek dan Penilaian

  • Mengembangkan prototipe di bidang yang dipilih dan mempersiapkan untuk penyebaran di perangkat yang dipilih
  • Presentasi dari solusi AI di perangkat
  • Penilaian berdasarkan efisiensi, inovasi, dan praktikalitas

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Landasan yang kuat dalam konsep machine learning dan deep learning
  • Mahir dalam pemrograman Python
  • Pengetahuan dasar tentang batasan perangkat keras untuk pelaksanaan AI

Penonton

  • Insinyur machine learning dan pengembang AI
  • Insinyur sistem terintegrasi yang tertarik pada aplikasi AI
  • Manajer produk dan pemimpin teknis yang memantau proyek AI
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait