Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction à l'écosystème IA de Huawei
- Matériel IA Ascend : aperçu des modèles 310, 910 et 910B
- Composants de haut niveau : MindSpore, CANN, AscendCL
- Positionnement sectoriel et principes d'architecture
Le rôle de CANN dans la pile IA de Huawei
- Qu'est-ce que CANN ? But du SDK et couches internes
- ATC, TBE et AscendCL : compilation et exécution des modèles
- Comment CANN soutient l'optimisation de l'inférence et le déploiement
Aperçu et architecture de MindSpore
- Flux de travail d'entraînement et d'inférence dans MindSpore
- Mode graphique, PyNative et abstraction matérielle
- Intégration avec les NPU Ascend via l'arrière-plan CANN
Cycle de vie IA sur Ascend : de l'entraînement au déploiement
- Création de modèles dans MindSpore ou conversion depuis d'autres cadres
- Exportation et compilation des modèles à l'aide d'ATC
- Déploiement sur le matériel Ascend à l'aide de modèles OM et AscendCL
Comparaison avec d'autres piles IA
- MindSpore vs. PyTorch, TensorFlow : focalisation et positionnement
- Flux de déploiement sur Ascend vs. piles basées sur GPU
- Opportunités et limites pour un usage en entreprise
Scénarios d'intégration en entreprise
- Cas d'usage dans la fabrication intelligente, l'IA gouvernementale et les télécommunications
- Évolutivité, conformité et considérations d'écosystème
- Déploiement hybride cloud/locaux à l'aide de la pile Huawei
Résumé et prochaines étapes
Pré requis
- Familiarité avec les flux de travail IA ou l'architecture des plateformes
- Compréhension de base de l'entraînement et du déploiement de modèles
- Aucune expérience pratique préalable avec CANN ou MindSpore requise
Public cible
- Évaluateurs de plateformes IA et architectes d'infrastructure
- DevOps IA/ML et intégrateurs de pipelines
- Gestionnaires technologiques et décideurs
