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 los chips 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 apoya la optimización de inferencia y el despliegue.
Visión general y arquitectura de MindSpore
- Flujos de trabajo de entrenamiento e inferencia en MindSpore.
- Modo gráfico, PyNative y abstracción de hardware.
- Integración con el NPU Ascend a través del backend CANN.
Ciclo de vida de la IA en Ascend: del entrenamiento al despliegue
- Creación de modelos en MindSpore o conversión desde otros marcos de trabajo.
- Exportación y compilación de modelos utilizando ATC.
- Despliegue en hardware Ascend mediante modelos OM y AscendCL.
Comparación con otras pilas de IA
- MindSpore frente a PyTorch y TensorFlow: enfoque y posicionamiento.
- Flujos de trabajo de despliegue en Ascend frente a pilas basadas en GPU.
- Oportunidades y limitaciones para el uso empresarial.
Escenarios de integración empresarial
- Casos de uso en manufactura inteligente, inteligencia artificial gubernamental y telecomunicaciones.
- Consideraciones sobre escalabilidad, cumplimiento normativo y ecosistema.
- Despliegue híbrido de nube/sobre terreno 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 despliegue de modelos.
- No se requiere experiencia previa con CANN ni MindSpore.
Público objetivo
- Evaluadores de plataformas de IA y arquitectos de infraestructura.
- Profesionales de DevOps de IA/ML e integradores de pipelines.
- Gerentes tecnológicos y tomadores de decisiones.
14 Horas