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

Number of participants


Price per participant

Upcoming Courses

Related Categories