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
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