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: visión general de 310, 910 y 910B
- Componentes de alto nivel: MindSpore, CANN, AscendCL
- Posicionamiento en la industria y principios de arquitectura
El Rol 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
Visión General y Arquitectura de MindSpore
- Flujos de trabajo de entrenamiento e inferencia en MindSpore
- Modo gráfico, PyNative y abstracción de hardware
- Integración con NPU Ascend mediante el backend CANN
Ciclo de Vida de IA en Ascend: del Entrenamiento a la Implementación
- Creación de modelos en MindSpore o conversión desde otros marcos
- Exportación y compilación de modelos usando ATC
- Implementación en hardware Ascend usando modelos OM y AscendCL
Comparación con Otras Pilas de IA
- MindSpore vs. PyTorch, TensorFlow: enfoque y posicionamiento
- Flujos de trabajo de implementación en Ascend vs. pilas basadas en GPU
- Oportunidades y limitaciones para el uso empresarial
Escenarios de Integración Empresarial
- Casos de uso en manufactura inteligente, IA gubernamental y telecomunicaciones
- Consideraciones sobre escalabilidad, cumplimiento normativo y ecosistema
- Implementación híbrida en la nube/en las instalaciones usando la pila de Huawei
Resumen y Próximos Pasos
Requerimientos
- Familiaridad con los flujos de trabajo de IA o la arquitectura de la plataforma.
- Comprensión básica del entrenamiento e implementación de modelos.
- No se requiere experiencia práctica previa con CANN o MindSpore.
Audiencia
- 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
