Contents
課程簡介
帶你進入物聯網(IoT)未來尖端人工智慧應用的開發。利用 Intel® Distribution of OpenVINO™ Toolkit 快速開發高性能電腦視覺和深度學習推理應用程式。
預估完成時間:3 個月

你將學習到
利用 Intel® Distribution of OpenVINO™ Toolkit 快速開發高性能電腦視覺和深度學習推理應用程式,並為本地電腦視覺運行預訓練的深度學習模型。 你將識別各種硬體類型( CPU、VPU、FPGA 和整合 GPU)的關鍵硬體規格,並利用針對 Edge (邊緣運算)的英特爾® DevCloud 來測試各種硬體類型上的模型性能。 最後,你將使用軟體工具來優化深度學習模型,以提高 Edge AI 系統的性能。
相關奈米學位學習計畫
Data Structures and Algorithms | Intro to Machine Learning with TensorFlow
課程事先準備
要在該計劃中取得成功,學生應具備以下條件::
課程內容
OpenVINO™ 的 Edge AI 基礎
利用預先訓練的模型進行電腦視覺推理。 你將使用模型優化器將預訓練模型轉換為與框架無關的中間表示( intermediate representation ),並通過與硬體無關的推理引擎對深度學習模型執行有效推理。 最後,你將在 Edge (邊緣)部署一個應用程式,包括通過 MQTT 發送資訊,並分析模型性能和用例
專案:Deploy a People Counter at the Edge
研究用於人員檢測的不同預訓練模型,並檢測框架中的人數以及在那花費的時間。
用於電腦視覺和深度學習應用部署的硬體
提高你在選擇正確硬體方面的專業知識。 識別各種硬體類型(CPU、VPU、FPGA 和整合 GPU)的關鍵硬體規格。 利用針對 Edge 的 Intel® DevCloud 測試模型性能並在各種硬體類型上部署節能的深度神經網路推理。 最後,你將在可用的計算設備上分配工作負載,以提高模型性能。
專案:Design a Smart Queuing System
為零售、製造和運輸行業構建自定義的排隊系統,並使用針對 Edge 的 Intel® DevCloud 來測試你的解決方案性能。
電腦視覺和深度學習應用的優化技術和工具
了解如何優化模型和應用程式程式碼,以減少在邊緣運行模型時的推理時間。 使用不同的軟體優化技術來改進模型的推理時間。 計算你的模型的計算成本。 使用 DL Workbench 優化你的模型並對模型的性能進行基準測試。 使用 VTune 放大器查找和修復應用程式程式碼中的熱點。 最後,打包你的應用程式碼和數據,以便可以輕鬆地將其部署到多個設備。
專案 : Build a Computer Pointer Controller
使用 OpenVINO™ 工具包中提供的模型,通過眼睛凝視來控制電腦指針。
所有的教學方案都包含
來自業界專家的真實世界專案
透過與頂尖公司合作的真實世界專案和沉浸式內容,你將掌握公司需要的技術技能。
技術指導員支援
我們知識淵博的導師指導你的學習,並專注於回答你的問題,激勵你並使你保持在正軌上。
職涯發展服務
你將有機會獲得履歷支援、Github 作品組合審查和 LinkedIn 個人資料最佳化,以幫助你推進你的職業生涯並獲得高薪職位。
靈活的學習計劃
定製適合你繁忙生活的學習計劃。按照你自己的節奏學習,在最適合你的時間表上達到你的個人目標。
教學方案提供以下服務
課程內容
- 真實世界的專案
- 專案審查
- 來自經驗豐富的審查員的專案反饋
學生服務
- 技術指導員支援
- 學生社群
職涯發展服務
- 履歷支援
- Github 審查
- Linkedin 個人資料最佳化
透過個性化的服務獲得成功
透過個人化的服務獲得成功
我們在你學習旅程的每一步都為你的需求提供定製服務,以確保你的成功!
有經驗的專案審查者
專案審查者的服務
- 個人化的回饋
- 無限的提交和回饋迴圈
- 實用技巧和業界最佳實踐
- 額外的建議資源以改善
技術導師( mentor )支援
導師服務
- 為你的所有技術問題提供支援
- 由我們的技術導師團隊快速回答問題
與業界傑出人士學習



✍ 不受社群推薦演算法影響,建議 Telegram/Discord/e-mail
你必須登入才能發表留言。