Produkcyjne wdrażanie potoków przetwarzania AI/machine learning na Kubernetes

Szkolenie "Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych" obejmuje przykładowe techniki uczenia maszynowego i uczenia głębokiego do analizy danych geoprzestrzennych i teledetekcyjnych. Uczestnicy zdobędą praktyczną wiedzę z zakresu przetwarzania danych geoprzestrzennych, fotogrametrii, analizy obrazów satelitarnych oraz danych 3D. Szkolenie koncentruje się na przetwarzaniu, klasyfikacji, segmentacji i detekcji obiektów z wykorzystaniem klasycznych metod uczenia maszynowego oraz technik uczenia głębokiego.

Szkolenie "Optymalizacja modeli uczenia głębokiego w procesie treningu i inferencji" koncentruje się na optymalizacji modeli głębokiego uczenia zarówno w fazie treningu, jak i inferencji. Uczestnicy szkolenia zapoznają się z technikami optymalizacji, takimi jak kwantyzacja, pruning, mixed-precision training oraz narzędziami do kompresji modeli i wdrażania na urządzeniach brzegowych. Szczególną uwagę poświęcono optymalizacji dużych modeli językowych (LLMs) oraz modeli wizji komputerowej, z wykorzystaniem technologii ONNX, TensorRT, Triton oraz narzędzi do optymalizacji potoków danych.

Szkolenie wprowadza od podstaw w dziedzinę uczenia maszynowego. Uczestnicy szkolenia poznają algorytmy uczenia maszynowego i zobaczą jak wykorzystuje się je w praktyce, w realnych projektach.