Programa do Curso

Introdução ao IA no Dispositivo

  • Fundamentos de aprendizado de máquina no dispositivo
  • Vantagens e desafios dos modelos de linguagem pequenos
  • Visão geral das restrições de hardware em dispositivos móveis e IoT

Otimização do Modelo para Implantação no Dispositivo

  • Quantização e poda do modelo
  • Distilação de conhecimento para modelos menores e eficientes
  • Seleção e adaptação de modelos para desempenho no dispositivo

Ferramentas e Estruturas Específicas da Plataforma IA

  • Introdução ao TensorFlow Lite e PyTorch Mobile
  • Utilizando bibliotecas específicas da plataforma para IA no dispositivo
  • Estratégias de implantação cruzada de plataformas

Inferência em Tempo Real e Computação na Nuvem

  • Técnicas para inferência rápida e eficiente nos dispositivos
  • Explorando a computação na nuvem para IA no dispositivo
  • Estudos de caso de aplicações de IA em tempo real

Considerações sobre Gerenciamento de Energia e Vida da Bateria

  • Otimizando aplicações de IA para eficiência energética
  • Balançando desempenho e consumo de energia
  • Estratégias para estender a vida da bateria em dispositivos com IA

Segurança e Privacidade na IA no Dispositivo

  • Garantindo segurança de dados e privacidade do usuário
  • Processamento de dados no dispositivo para preservação da privacidade
  • Atualizações seguras e manutenção do modelo

Experiência do Usuário e Design Interativo

  • Projetando interações intuitivas de IA para usuários do dispositivo
  • Integrando modelos de linguagem com interfaces do usuário
  • Testes de usuários e feedback para IA no dispositivo

Escalabilidade e Manutenção

  • Gerenciamento e atualização de modelos em dispositivos implantados
  • Estratégias para soluções de IA escaláveis no dispositivo
  • Monitoramento e análise para sistemas de IA implantados

Projeto e Avaliação

  • Desenvolvimento de um protótipo em uma área escolhida e preparação para implantação em um dispositivo selecionado
  • Apresentação da solução de IA no dispositivo
  • Avaliação baseada na eficiência, inovação e praticidade

Resumo e Próximos Passos

Requisitos

  • Fundação sólida em conceitos de aprendizado de máquina e aprendizado profundo
  • Proficiência na programação Python
  • Conhecimento básico sobre restrições de hardware para a implantação de IA

Público-alvo

  • Engenheiros de aprendizado de máquina e desenvolvedores de IA
  • Engenheiros de sistemas embarcados interessados em aplicações de IA
  • Gerentes de produto e líderes técnicos supervisionando projetos de IA
 21 Horas

Próximas Formações Provisórias

Categorias Relacionadas