Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción al Ecosistema de IA de Huawei
- Hardware de IA Ascend: descripción general de los modelos 310, 910 y 910B.
- Componentes de alto nivel: MindSpore, CANN y AscendCL.
- Posicionamiento en la industria y principios de arquitectura.
El Papel de CANN en la Pila de IA de Huawei
- ¿Qué es CANN? Propósito del SDK y capas internas.
- ATC, TBE y AscendCL: compilación y ejecución de modelos.
- Cómo CANN admite la optimización de inferencia y la implementación.
Descripción General y Arquitectura de MindSpore
- Flujos de trabajo de entrenamiento e inferencia en MindSpore.
- Modo gráfico, PyNative y abstracción de hardware.
- Integración con la NPU Ascend mediante el backend de CANN.
Ciclo de Vida de la IA en Ascend: Del Entrenamiento a la Implementación
- Creación de modelos en MindSpore o conversión desde otros frameworks.
- Exportación y compilación de modelos utilizando ATC.
- Implementación en hardware Ascend utilizando modelos OM y AscendCL.
Comparación con Otras Pilas de IA
- MindSpore vs. PyTorch, TensorFlow: enfoque y posicionamiento.
- Flujos de trabajo de implementación en Ascend en comparación con pilas basadas en GPU.
- Oportunidades y limitaciones para el uso empresarial.
Escenarios de Integración Empresarial
- Casos de uso en fabricación inteligente, IA gubernamental y telecomunicaciones.
- Consideraciones sobre escalabilidad, cumplimiento y ecosistema.
- Implementación híbrida de nube/instalación propia utilizando la pila de Huawei.
Resumen y Próximos Pasos
Requerimientos
- Conocimiento de los flujos de trabajo de IA o la arquitectura de plataformas.
- Comprensión básica del entrenamiento y la implementación de modelos.
- No se requiere experiencia práctica previa con CANN o MindSpore.
Público Objetivo
- Evaluadores de plataformas de IA y arquitectos de infraestructura.
- Profesionales de DevOps de IA/ML e integradores de pipelines.
- Gerentes de tecnología y tomadores de decisiones.
14 Horas