Course Outline

온디바이스 AI 소개

  • 온디바이스 머신러닝의 기초
  • 소규모 언어 모델의 장점과 과제
  • 모바일 및 IoT 장치의 하드웨어 제약 개요

온디바이스 배포를 위한 모델 최적화

  • 모델 양자화 및 가지치기
  • 더 작고 효율적인 모델을 위한 지식 증류
  • 온디바이스 성능을 위한 모델 선택 및 조정

플랫폼별 AI 도구 및 프레임워크

  • TensorFlow Lite 및 PyTorch 모바일 소개
  • 온디바이스 AI를 위한 플랫폼별 라이브러리 활용
  • 크로스 플랫폼 배포 전략

실시간 추론 및 Edge Computing

  • 장치에서 빠르고 효율적인 추론을 위한 기술
  • 온디바이스 AI를 위한 엣지 컴퓨팅 활용
  • 실시간 AI 적용 사례 연구

전원 Management 및 배터리 수명 고려 사항

  • 에너지 효율성을 위한 AI 애플리케이션 최적화
  • 성능과 전력 소비의 균형
  • AI 기반 장치의 배터리 수명 연장 전략

온디바이스 AI의 보안 및 개인 정보 보호

  • 데이터 보안 및 사용자 개인 정보 보호 보장
  • 개인 정보 보호를 위한 기기 내 데이터 처리
  • 안전한 모델 업데이트 및 유지 관리

사용자 경험과 인터랙션 디자인

  • 장치 사용자를 위한 직관적인 AI 상호 작용 설계
  • 사용자 인터페이스와 언어 모델 통합
  • 온디바이스 AI에 대한 사용자 테스트 및 피드백

Scala능력과 유지관리

  • 배포된 장치의 모델 관리 및 업데이트
  • 확장 가능한 온디바이스 AI 솔루션 전략
  • 배포된 AI 시스템에 대한 모니터링 및 분석

프로젝트 및 평가

  • 선택한 도메인에서 프로토타입 개발 및 선택한 장치에 배포 준비
  • 온디바이스 AI 솔루션 발표
  • 효율성, 혁신성, 실용성을 바탕으로 평가

요약 및 다음 단계

Requirements

  • 머신러닝과 딥러닝 개념의 강력한 기반
  • Python 프로그래밍 능력
  • AI 배포를 위한 하드웨어 제약 조건에 대한 기본 지식

청중

  • 머신러닝 엔지니어 및 AI 개발자
  • AI 애플리케이션에 관심이 있는 임베디드 시스템 엔지니어
  • AI 프로젝트를 감독하는 제품 관리자 및 기술 리드
 21 Hours

Number of participants


Price per participant

Upcoming Courses