Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Huaweis AI Ökosystem
- Ascend AI-Hardware: Überblick über 310, 910 und 910B
- Hochrangige Komponenten: MindSpore, CANN, AscendCL
- Branchenpositionierung und Architekturprinzipien
Die Rolle von CANN im Huaweis AI-Stack
- Was ist CANN? Ziel des SDK und interne Schichten
- ATC, TBE und AscendCL: Kompilierung und Ausführung von Modellen
- Wie CANN die Inferenz-Optimierung und -Bereitstellung unterstützt
Übersicht und Architektur von MindSpore
- Training und Inferenz-Abläufe in MindSpore
- Graphenmodus, PyNative und Hardware-Abstraktion
- Integration mit Ascend NPU über CANN Backend
AI-Lebenszyklus auf Ascend: von der Ausbildung zur Bereitstellung
- Modellierung in MindSpore oder Umwandlung aus anderen Frameworks
- Exportieren und Kompilieren von Modellen mit ATC
- Bereitstellung auf Ascend-Hardware unter Verwendung von OM-Modellen und AscendCL
Vergleich mit anderen AI-Stacks
- MindSpore vs. PyTorch, TensorFlow: Fokus und Positionierung
- Bereitstellungsworkflows auf Ascend im Vergleich zu GPU-basierten Stacks
- Chancen und Einschränkungen für den Einsatz in Unternehmen
Unternehmensintegrationsszenarien
- Anwendungsfälle im Bereich der smarten Produktion, Regierungs-AI und Telekom
- Skalierbarkeit, Compliance und ökologische Überlegungen
- Hybrid-Deployment im Cloud/on-prem-Umfeld mit Huaweis Stack
Zusammenfassung und nächste Schritte
Voraussetzungen
- Vertrautheit mit AI-Workflows oder Plattformarchitektur
- Grundlegendes Verständnis von Modelltraining und -deployment
- Keine vorherige praktische Erfahrung mit CANN oder MindSpore erforderlich
Zielgruppe
- AI-Plattformbewertungsfachleute und Infrastrukturauslegungsarchitekten
- AI/ML DevOps und Pipelineintegratoren
- Technologie-Manager und Entscheidungsträger
14 Stunden