เทคโนโลยี AI ของ Intel สำหรับการปรับใช้โมเดลอย่างมีประสิทธิภาพ

การปรับใช้โมเดล Deep Learning อย่างมีประสิทธิภาพต้องอาศัยมากกว่าแค่ฮาร์ดแวร์ที่ทรงพลัง แต่ยังต้องการการเพิ่มประสิทธิภาพซอฟต์แวร์ที่ชาญฉลาด หลักสูตรนี้จะแนะนำแนวคิดหลักของ AI ที่เร่งด้วยฮาร์ดแวร์ โดยแสดงให้เห็นถึงวิธีเพิ่มประสิทธิภาพสูงสุดโดยไม่ลดทอนความแม่นยำ คุณจะเปลี่ยนจากการฝึกอบรมโมเดลพื้นฐานไปสู่การปรับใช้แอปพลิเคชัน AI ที่ได้รับการปรับปรุงอย่างสูง คุณจะได้เรียนรู้วิธีใช้ประโยชน์จากสถาปัตยกรรม CPU, GPU, และ NPU เพื่อเรียกใช้การอนุมาน (inference) ได้เร็วขึ้นและมีประสิทธิภาพมากขึ้นในสภาพแวดล้อมจริง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจพื้นฐานของการเร่งความเร็วฮาร์ดแวร์ AI ในสถาปัตยกรรม CPU, GPU, และ NPU - กำหนดค่าและใช้ OpenVINO toolkit เพื่อเพิ่มประสิทธิภาพโมเดล Deep Learning สำหรับการอนุมานที่มีประสิทธิภาพ - ประยุกต์ใช้เทคนิค Model Quantization เพื่อลดการใช้หน่วยความจำและเพิ่มความเร็วในการประมวลผล - ใช้ส่วนขยายที่ได้รับการปรับปรุงสำหรับ PyTorch และ TensorFlow เพื่อเร่งเวิร์กโฟลว์มาตรฐาน - ปรับใช้โมเดล AI ที่ได้รับการปรับปรุงในสภาพแวดล้อมที่หลากหลาย ตั้งแต่อุปกรณ์ Edge ไปจนถึง Cloud หลักสูตรนี้เริ่มต้นด้วยคำศัพท์และแนวคิดด้านฮาร์ดแวร์ที่จำเป็น ก่อนที่จะแนะนำคุณตลอดเวิร์กโฟลว์การเพิ่มประสิทธิภาพโดยใช้เครื่องมือมาตรฐานอุตสาหกรรม คุณจะได้ศึกษาตัวอย่างเชิงปฏิบัติและการวิเคราะห์แนวคิดที่ออกแบบมาเพื่อสร้างความมั่นใจในการปรับใช้ของคุณ หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนา AI ระดับเริ่มต้น, นักวิทยาศาสตร์ข้อมูล, และสถาปนิกระบบที่ต้องการทำความเข้าใจการเพิ่มประสิทธิภาพระดับฮาร์ดแวร์ ไม่จำเป็นต้องมีประสบการณ์ในการเพิ่มประสิทธิภาพฮาร์ดแวร์มาก่อน เริ่มเพิ่มประสิทธิภาพโมเดล AI ของคุณเพื่อประสิทธิภาพในโลกแห่งความเป็นจริงได้แล้ววันนี้