Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
화웨이의 AI 생태계 소개
- Ascend AI 하드웨어: 310, 910, 그리고 910B 개요
- 고수준 구성 요소: MindSpore, CANN, AscendCL
- 산업 포지셔닝 및 아키텍처 원칙
화웨이의 AI 스택에서 CANN의 역할
- CANN이란? SDK 목적 및 내부 계층
- ATC, TBE, 그리고 AscendCL: 모델 컴파일 및 실행
- CANN이 추론 최적화 및 배포를 지원하는 방법
MindSpore 개요 및 아키텍처
- MindSpore의 학습 및 추론 워크플로우
- 그래프 모드, PyNative, 그리고 하드웨어 추상화
- CANN 백엔드를 통해 Ascend NPU와의 통합
Ascend에서 AI 라이프사이클: 학습에서 배포까지
- MindSpore에서 모델 생성 또는 다른 프레임워크에서 변환
- ATC를 사용하여 모델 내보내기와 컴파일
- OM 모델 및 AscendCL을 사용하여 Ascend 하드웨어에 배포
다른 AI 스택과의 비교
- MindSpore vs. PyTorch, TensorFlow: 포커스 및 포지셔닝
- Ascend vs. GPU 기반 스택의 배포 워크플로우
- 기업 사용을 위한 기회와 제한 사항
기업 통합 시나리오
- 스마트 제조, 정부 AI, 그리고 통신 분야의 사용 사례
- 확장성, 규정 준수, 그리고 생태계 고려 사항
- Huawei 스택을 사용하여 클라우드/온프레미스 하이브리드 배포
요약 및 다음 단계
Requirements
- AI 작업 흐름 또는 플랫폼 아키텍처에 대한 이해
- 모델 학습 및 배포에 대한 기본 이해
- CANN 또는 MindSpore와 같은 실습 경험이 필요 없음
대상
- AI 플랫폼 평가자 및 인프라 아키텍트
- AI/ML DevOps 및 파이프라인 통합자
- 기술 관리자 및 의사결정자
14 Hours