CANN para implementación de IA en el borde

Esta formación en vivo, impartida por un instructor, en Uruguay (en línea o presencial), está dirigida a profesionales de telecomunicaciones, ingenieros de IA y especialistas en IoT de nivel intermedio que desean explorar cómo las redes 5G aceleran las aplicaciones de IA en el edge.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de la tecnología 5G y su impacto en la IA en el edge.
• Desplegar modelos de IA optimizados para aplicaciones de baja latencia en entornos 5G.
• Implementar sistemas de toma de decisiones en tiempo real utilizando IA en el edge y conectividad 5G.
• Optimizar cargas de trabajo de IA para un rendimiento eficiente en dispositivos edge.

6G y el Borde Inteligente es un curso prospectivo que explora la integración de las tecnologías inalámbricas 6G con la computación en el borde, ecosistemas de IoT y procesamiento de datos impulsado por IA para soportar infraestructuras inteligentes, de baja latencia y adaptables.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a arquitectos de TI de nivel intermedio que desean comprender y diseñar arquitecturas distribuidas de próxima generación aprovechando la sinergia entre la conectividad 6G y los sistemas de borde inteligente.

Al finalizar este curso, los participantes serán capaces de:

• Comprender cómo el 6G transformará las arquitecturas de computación en el borde y IoT.
• Diseñar sistemas distribuidos para operaciones autónomas, de ultra baja latencia y alta capacidad de ancho de banda.
• Integrar IA y análisis de datos en el borde para la toma de decisiones inteligente.
• Planificar infraestructuras de borde escalables, seguras y resilientes preparadas para 6G.
• Evaluar modelos comerciales y operativos habilitados por la convergencia entre 6G y el borde.

Formato del Curso

• Conferencias y discusiones interactivas.
• Estudios de caso y ejercicios prácticos de diseño de arquitectura.
• Simulación práctica con herramientas opcionales de borde o contenedores.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Esta formación en vivo impartida por un instructor en Uruguay (en línea o presencial) está dirigida a profesionales de IA de nivel avanzado, investigadores y desarrolladores que deseen dominar los últimos avances en IA en el borde, optimizar sus modelos de IA para su despliegue en dispositivos periféricos y explorar aplicaciones especializadas en diversas industrias.

Al finalizar esta formación, los participantes serán capaces de:

• Explorar técnicas avanzadas en el desarrollo y optimización de modelos de IA en el borde.
• Implementar estrategias innovadoras para desplegar modelos de IA en dispositivos periféricos.
• Utilizar herramientas y marcos de trabajo especializados para aplicaciones avanzadas de IA en el borde.
• Optimizar el rendimiento y la eficiencia de las soluciones de IA en el borde.
• Explorar casos de uso innovadores y tendencias emergentes en IA en el borde.
• Abordar consideraciones éticas y de seguridad avanzadas en los despliegues de IA en el borde.

Huawei Ascend es una familia de procesadores de IA diseñados para inferencia y entrenamiento de alto rendimiento.

Esta capacitación en vivo, impartida por instructores (en línea o presencial), está dirigida a ingenieros de IA y científicos de datos de nivel intermedio que deseen desarrollar y optimizar modelos de redes neuronales utilizando la plataforma Ascend de Huawei y el kit de herramientas CANN.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y configurar el entorno de desarrollo de CANN.
• Desarrollar aplicaciones de IA utilizando flujos de trabajo de MindSpore y CloudMatrix.
• Optimizar el rendimiento en NPUs Ascend mediante operadores personalizados y segmentación (tiling).
• Implementar modelos en entornos de borde o nube.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico del kit de herramientas Huawei Ascend y CANN en aplicaciones de muestra.
• Ejercicios guiados centrados en la construcción, entrenamiento e implementación de modelos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso basada en su infraestructura o conjuntos de datos, contáctenos para coordinar los detalles.

CANN (Compute Architecture for Neural Networks) es la pila de computación de inteligencia artificial de Huawei diseñada para desplegar y optimizar modelos de IA en procesadores AI Ascend.

Esta formación práctica, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores e ingenieros de IA de nivel intermedio que deseen implementar de manera eficiente modelos de IA entrenados en hardware Huawei Ascend utilizando el toolkit CANN y herramientas como MindSpore, TensorFlow o PyTorch.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura de CANN y su papel en el proceso de implementación de IA.
• Convertir y adaptar modelos desde frameworks populares a formatos compatibles con Ascend.
• Utilizar herramientas como ATC, la conversión de modelos OM y MindSpore para inferencia en edge y en la nube.
• Diagnosticar problemas de implementación y optimizar el rendimiento en hardware Ascend.

Formato del Curso

• Conferencia interactiva y demostraciones prácticas.
• Prácticas de laboratorio utilizando herramientas CANN y simuladores o dispositivos Ascend.
• Escenarios prácticos de implementación basados en modelos de IA del mundo real.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Esta formación en vivo con instructor en Uruguay (en línea o presencial) está dirigida a desarrolladores, científicos de datos y entusiastas tecnológicos de nivel intermedio que desean adquirir habilidades prácticas para desplegar modelos de IA en dispositivos de borde para diversas aplicaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios de la IA en el borde y sus beneficios.
• Configurar y preparar el entorno de computación en el borde.
• Desarrollar, entrenar y optimizar modelos de IA para su despliegue en el borde.
• Implementar soluciones prácticas de IA en dispositivos de borde.
• Evaluar y mejorar el rendimiento de los modelos desplegados en el borde.
• Abordar las consideraciones éticas y de seguridad en aplicaciones de IA en el borde.

Esta capacitación en vivo impartida por un instructor en Uruguay (en línea o presencial) está dirigida a profesionales de la ciberseguridad de nivel avanzado, ingenieros de IA y desarrolladores de IoT que desean implementar medidas de seguridad robustas y estrategias de resiliencia para los sistemas de IA en el borde.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los riesgos de seguridad y las vulnerabilidades en los despliegues de IA en el borde.
• Implementar técnicas de cifrado y autenticación para la protección de datos.
• Diseñar arquitecturas resilientes de IA en el borde capaces de resistir amenazas cibernéticas.
• Aplicar estrategias seguras de despliegue de modelos de IA en entornos periféricos.

Las unidades de aprendizaje automático (MLU) de Cambricon son chips de IA especializados, optimizados para inferencia y entrenamiento en entornos de borde y centros de datos.

Esta formación impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que desean crear e implementar modelos de IA utilizando el marco BANGPy y el SDK Neuware en hardware Cambricon MLU.

Al finalizar esta formación, los participantes podrán:

• Configurar y preparar los entornos de desarrollo para BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las unidades MLU de Cambricon.
• Implementar modelos en dispositivos de borde y centros de datos que ejecuten el entorno de ejecución de Neuware.
• Integrar flujos de trabajo de aprendizaje automático con funciones de aceleración específicas de MLU.

Formato del curso

• Clase magistral interactiva y debates.
• Ejercicios prácticos con BANGPy y Neuware para desarrollo e implementación.
• Ejercicios guiados centrados en la optimización, integración y pruebas.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso según tu modelo de dispositivo Cambricon o caso de uso, por favor contáctanos para coordinarlo.

CANN (Compute Architecture for Neural Networks) es el kit de herramientas de computación en IA de Huawei, utilizado para compilar, optimizar y desplegar modelos de IA en procesadores de IA Ascend.

Esta formación práctica impartida por un instructor (en línea o presencial) está dirigida a desarrolladores de IA de nivel principiante que desean comprender cómo se integra CANN en el ciclo de vida del modelo, desde el entrenamiento hasta el despliegue, y cómo funciona con marcos de trabajo como MindSpore, TensorFlow y PyTorch.

Al finalizar esta formación, los participantes podrán:

• Comprender el propósito y la arquitectura del kit de herramientas CANN.
• Configurar un entorno de desarrollo con CANN y MindSpore.
• Convertir y desplegar un modelo simple de IA en hardware Ascend.
• Adquirir conocimientos fundamentales para futuros proyectos de optimización o integración con CANN.

Formato del Curso

• Conferencias interactivas y discusiones.
• Talleres prácticos con despliegue de modelos sencillos.
• Recorrido paso a paso por la cadena de herramientas CANN y sus puntos de integración.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para organizarla.

La pila de inteligencia artificial (IA) de Huawei — desde el SDK CANN de nivel bajo hasta el framework MindSpore de nivel alto — ofrece un entorno de desarrollo e implementación de IA estrechamente integrado, optimizado para el hardware Ascend.

Esta capacitación en vivo con instrucción directa (en línea o presencial) está dirigida a profesionales técnicos de nivel principiante e intermedio que desean comprender cómo los componentes CANN y MindSpore trabajan juntos para administrar el ciclo de vida de la IA y tomar decisiones de infraestructura.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender la arquitectura en capas de la pila de computación de IA de Huawei.
• Identificar cómo CANN admite la optimización de modelos y la implementación a nivel de hardware.
• Evaluar el framework MindSpore y su herramienta de desarrollo en relación con las alternativas del sector.
• Ubicar la pila de IA de Huawei dentro de entornos empresariales o de nube / instalados en local.

Formato del curso

• Conferencia interactiva y discusión.
• Demostraciones en vivo del sistema y recorridos guiados basados en casos de uso.
• Laboratorios opcionales guiados sobre el flujo de modelos desde MindSpore hasta CANN.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarlo.

CANN SDK (Compute Architecture for Neural Networks) es la base de computación para IA de Huawei que permite a los desarrolladores ajustar y optimizar el rendimiento de las redes neuronales implementadas en procesadores de IA Ascend.

Esta formación impartida por un instructor, disponible en modalidad online o presencial, está dirigida a desarrolladores de IA de nivel avanzado e ingenieros de sistemas que desean optimizar el rendimiento de la inferencia utilizando el conjunto avanzado de herramientas de CANN, incluyendo el Motor de Gráficos (Graph Engine), TIK y el desarrollo de operadores personalizados.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura en tiempo de ejecución de CANN y su ciclo de vida de rendimiento.
• Utilizar herramientas de perfilado y el Motor de Gráficos para analizar y optimizar el rendimiento.
• Crear y optimizar operadores personalizados utilizando TIK y TVM.
• Resolver cuellos de botella de memoria y mejorar el rendimiento (throughput) del modelo.

Formato del curso

• Clase interactiva y discusión.
• Laboratorios prácticos con perfilado en tiempo real y ajuste de operadores.
• Ejercicios de optimización utilizando ejemplos de implementación en casos extremos (edge-case).

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.

El SDK CANN (Compute Architecture for Neural Networks) proporciona potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Esta formación práctica en vivo (en línea o presencial), con instructor, está dirigida a profesionales de la IA de nivel intermedio que desean crear, implementar y optimizar modelos de visión e idioma para casos de uso en producción mediante el SDK CANN.

Al finalizar esta formación, los participantes serán capaces de:

• Implementar y optimizar modelos de VP y PLN utilizando CANN y AscendCL.
• Utilizar las herramientas CANN para convertir modelos e integrarlos en pipelines en tiempo real.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir pipelines de VP/PLN en tiempo real para escenarios de implementación en el borde (edge) o en la nube.

Formato del Curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
• Diseño en vivo de pipelines utilizando casos de uso reales de VP y PLN.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizarla.

CANN TIK (Tensor Instruction Kernel) y Apache TVM permiten una optimización avanzada y la personalización de operadores de modelos de IA para hardware Huawei Ascend.

Esta formación presencial impartida por un instructor (en línea o en las instalaciones) está dirigida a desarrolladores de sistemas de nivel avanzado que deseen crear, implementar y ajustar operadores personalizados para modelos de IA utilizando el modelo de programación TIK de CANN y la integración del compilador TVM.

Al finalizar esta formación, los participantes podrán:

• Escribir y probar operadores de IA personalizados utilizando el DSL de TIK para procesadores Ascend.
• Integrar operadores personalizados en el tiempo de ejecución de CANN y en el grafo de ejecución.
• Utilizar TVM para la planificación, autoajuste y evaluación comparativa (benchmarking) de operadores.
• Depurar y optimizar el rendimiento a nivel de instrucciones para patrones de cómputo personalizados.

Formato del curso

• Conferencia interactiva y demostraciones.
• Programación práctica de operadores utilizando las canalizaciones (pipelines) de TIK y TVM.
• Pruebas y ajuste en hardware Ascend o simuladores.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinarlo.

Esta formación en vivo impartida por un instructor en Uruguay (en línea o presencial) está dirigida a profesionales de agritech de nivel principiante e intermedio, especialistas en IoT e ingenieros de IA que deseen desarrollar e implementar soluciones de Edge AI para la agricultura inteligente.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el papel de Edge AI en la agricultura de precisión.
• Implementar sistemas de monitoreo de cultivos y ganado basados en IA.
• Desarrollar soluciones de irrigación automatizada y sensores ambientales.
• Optimizar la eficiencia agrícola utilizando análisis de Edge AI en tiempo real.

Esta formación en vivo impartida por un instructor en Uruguay (en línea o presencial) está dirigida a ingenieros de robótica de nivel intermedio, desarrolladores de vehículos autónomos e investigadores de IA que deseen aprovechar la Edge AI para soluciones innovadoras de sistemas autónomos.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el papel y los beneficios de la Edge AI en sistemas autónomos.
• Desarrollar e implementar modelos de IA para el procesamiento en tiempo real en dispositivos de borde.
• Implementar soluciones de Edge AI en vehículos autónomos, drones y robótica.
• Diseñar y optimizar sistemas de control utilizando Edge AI.
• Abordar las consideraciones éticas y regulatorias en aplicaciones de IA autónomas.