Temario del curso
Introducción al despliegue de modelos para visión por computadora y procesamiento del lenguaje natural con CANN
- El ciclo de vida de un modelo de IA, desde su entrenamiento hasta el despliegue.
- Aspectos clave para garantizar un alto rendimiento en aplicaciones en tiempo real de visión por computadora y procesamiento del lenguaje natural.
- Descripción general de las herramientas proporcionadas por el CANN SDK y su utilidad en la integración de modelos.
Preparación de los modelos de visión por computadora y procesamiento del lenguaje natural
- Exportación de modelos desde PyTorch, TensorFlow y MindSpore.
- Configuración adecuada de las entradas y salidas de los modelos para tareas basadas en imágenes o texto.
- Uso del ATC para transformar modelos al formato OM.
Implementación de pipelines de inferencia mediante AscendCL
- Ejecución de tareas de inferencia vinculadas a la visión por computadora y al procesamiento del lenguaje natural usando la API AscendCL.
- Etapas de preprocesamiento: redimensionado de imágenes, tokenización y normalización.
- Fases de postprocesamiento: generación de cuadros delimitadores, valores de clasificación y resultados textuales.
Técnicas para la optimización del rendimiento
- Análisis detallado del desempeño de modelos mediante las herramientas de CANN.
- Reducción de latencias a través del uso de precisión mixta y la configuración óptima de lotes de procesamiento.
- Gestión eficiente de los recursos computacionales y de memoria en tareas que requieren flujo continuo de datos.
Aplicaciones prácticas relacionadas con la visión por computadora
- Estudio de caso: detección de objetos aplicada a sistemas inteligentes de vigilancia.
- Estudio de caso: inspección cualitativa de productos en la industria manufacturera.
- Desarrollo de pipelines analíticos para video, listos para aplicarse en el hardware Ascend 310.
Aplicaciones prácticas relacionadas con el procesamiento del lenguaje natural
- Estudio de caso: análisis de sentimientos y detección de intenciones expresadas por los usuarios.
- Estudio de caso: clasificación y resumen automático de documentos escritos.
- Integración fluida del procesamiento del lenguaje natural en tiempo real con APIs REST y sistemas de mensajería.
Resumen final y próximos pasos
Requerimientos
- Conocimientos básicos sobre aprendizaje profundo aplicados a la visión por computadora o al procesamiento del lenguaje natural.
- Experiencia en el uso de Python y marcos de trabajo de IA como TensorFlow, PyTorch o MindSpore.
- Comprensión elemental sobre los flujos de trabajo asociados al despliegue y la inferencia de modelos.
Público objetivo
- Profesionales de la visión por computadora y el procesamiento del lenguaje natural que empleen la plataforma Ascend de Huawei.
- Científicos de datos e ingenieros de IA dedicados al desarrollo de modelos percibidos en tiempo real.
- Desarrolladores encargados de integrar pipelines basados en CANN en sectores como la manufactura, la vigilancia o el análisis mediático.
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 2900 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
