Curso de oneAPI para IoT

Curso de oneAPI para IoT, diseñado para desarrolladores que utilizan la tecnología de big data cuyos modelos son entrenados en grandes servidores para poder ser utilizados como soluciones innovadoras en borde o IoT. Encontramos gran cantidad de aplicaciones en un espectro tan amplio que van desde atención médica personalizada, ciudades inteligentes, en ámbitos industriales, comercio minorista, transporte o seguridad.

Estas cargas de trabajo IoT modernas en el borde son muy diversas, al igual que las arquitecturas potenciales donde poder desarrollarse. Ninguna arquitectura es a priori mejor que otra por lo que disponer de un framework de trabajo que permita evaluarlas todas ellas facilita significativamente el testeo, evaluación y diseño final. Entre los beneficios del kit de herramientas de oneAPI IoT se incluyen:

  • Bibliotecas y herramientas de compilación y análisis mejoradas para ayudar con el diseño, el desarrollo y la implementación del sistema en las arquitecturas Intel® CPU, GPU y FPGA.
  • Integración rápida y eficiente en una solución que favorezca el rendimiento optimizado y eficiencia energética, y facilite el despliegue.
  • Integración con bibliotecas de rendimiento de Intel y modelos de programación paralela como SYCL.
  • Compatibilidad perfecta con compiladores populares, entornos de desarrollo y sistemas operativos.
  • Herramientas de análisis para perfilar el comportamiento del sistema.

El kit oneAPI IoT

Este kit de herramientas es un complemento del kit de herramientas básico de Intel® oneAPI (kit básico). Como tal, requiere el kit básico para una funcionalidad completa, incluido el acceso al compilador Intel® oneAPI DPC++/C++, potentes bibliotecas de rendimiento y herramientas de análisis para el despliegue de las soluciones de inferencia enmarcadas en el framework de OpenVINO. El kit de herramientas OpenVINO es un complemento ideal para desplegar un modelo de aprendizaje profundo.

Un desarrollador de soluciones para IoT puede implementar y desplegar una solución rápidamente con OpenVINO pudiendo utilizar algo de los múltiples modelos pre-entrenados en el repositorio Open Model Zoo lo que facilita su adopción. También puede desarrollar su modelo en los frameworks más comunes para realizar entrenamiento de modelos como TensorFlow, Pytorch o Apache MXNet y posteriormente migrarlo a OpenVINO para su despliegue en cualquier arquitectura de Intel.

Temario del curso de oneAPI para IoT

1: Introducción

Temas:

  • Motivación
    • Oportunidades
    • Necesidad de Edge Computing
    • Ventajas de Edge Computing
    • Ejemplos de uso
  • Mejoras arquitectónicas
    • En procesadores Intel
    • Procesadores Intel Xeon
    • Intel Deep Learning Boost
    • Intel AMX
    • AVX512_BF16
  • Intel Software para IoT
    • Intel oneAPI
    • OpenVINO
    • ¿Qué Toolkit utilizar?

2: oneAPI IoT

Temas:
2.1 Introducción oneAPI

  • Intel oneAPI
    • Introducción
  • oneAPI IoT Toolkit
    • Descripción
    • Componentes
    • Usuario destino
2.2 Compliladores
  • Introducción
    • Intel Compiler oneAPI
    • Intel Compiler Classic
  • Compilador
    • Visión General
    • Comparación rápida del controlador del compilador
    • Soporte transición de ICC a DPC++
    • Soporte transición de ICC a DPCPP
    • Optimizaciones Entreprocedimientos (IPO)
    • Fase de linkado DPC++
  • Soporte de directivas
    • Soporte de pragmas
    • Algunas pragmas en deuso o reemplazadas
    • Otras diferencias en las pragmas
  • Informes de optimización
    • Optimization report
    • Compiladores de Intel C++
2.3 Intel oneAPI
  • Intel oneAPI
    • Introducción
  • SYCL y DPC++
    • ¿Qué es Data parallel C++?
    • ¿Qué SYCL?
    • Impementaciones de SYCL
    • DPC++ Extiende sycl 1.2.1
    • Pseudo-código
    • Kernels Paralelos
    • Hands-on
    • Kernels paralelos básicos
    • ND-Range Kernels
  • Colas
    • Tipos colas
    • Ejemplo cola
    • Recordatorio C++
    • Grupo Comandos
    • Colas
    • Envío a cola
  • Modelo memoria
    • Memoria
    • Manejo de datos
    • Manejo datos (Buffer & Accesors)
    • USM
    • Manejo Explícito
    • Manejo Explícito de memoria (USM)
    • Buffer/accessor vs USM
    • Hands-on
  • Nivel de paralelismo
    • Kernels
    • Kernels Paralelos
    • Kernels paralelos básicos
    • ND-Range Kernels
  • Ejemplo código
    • Anatomía código
    • Multiplicación matrices
    • Hands-on
  • Modelo ejecución
    • Modelo Ejecución
    • Colas en orden
    • Colas en fuera de orden
    • Manejo de errores
  • Otros recursos

2.4 oneAPI-Intel Inspector

  • Intel oneAPI
    • Introducción
    • Caso de Uso
  • Uso
    • Uso
    • Intel Inspector GUI
    • Construcción de aplicación
    • Tipos de análisis
  • Errores con memoria
    • Detección de problemas comunes
    • Diagnóstico crecimiento de la memoria incremental
    • Análisis: Errores de memoria
  • Error multi-hilo
    • Análisis multi-hilo
    • Carreras

3: Toolkit OpenVINO

Temas:
3.1 Introducción

  • Introducción
    • Intel® Distribution of OpenVINO Toolkit
    • Características
    • Tres pasos para desarrollar con Toolkit de Intel OpenVINO
    • Evolución
  • Soporte
    • Dispositivos
  • Instalación
    • Distribución de OpenVINO
    • Paquetes
  • Tutoriales interactivos
    • Jupyter Notebooks
    • Hello-world
    • Clonar repositorio
    • Lanzar Notebooks!
3.2 Herramientas para modelos
  • Introducción
    • Intel Distribution of OpenVINO Toolkit
    • Características
    • Tres pasos para desarrollar con Toolkit de Intel OpenVINO
  • Modelo pre-entrenados
    • Open Model Zoo
    • Modelos pre-entrenados públicos
    • Modelos pre-entrenados
    • Demos
  • Flujo trabajo OpenVINO
    • Vista general
    • Herramientas
    • Hands-on
    • Convertir y preparar los modelos
    • Model Optimizer
    • Model Optimizer: Optimización específica topología
    • Model Optimizer: Quantization
    • Model Optimizer: Otros parámetros comunes
3.3 Optimización del modelos entrenados
  • Introducción
    • Intel Distribution of OpenVINO Toolkit
    • Características
    • Tres pasos para desarrollar con Toolkit de Intel OpenVINO
  • Entrenamiento
    • Preparación del modelo
    • Open Model Zoo
    • Entrenamiento TF
    • Hands-on
  • API
    • Desplegar la inferencia
    • Rendimiento óptimo con el IE
    • API de RunTime de OpenVINO
    • Inicialización IE
    • Carga del modelo
    • Preparar datos de inferencia
    • Inferir
    • Hands-on
  • Optimización Post-Entrenamiento
    • Visión general
    • Cuantización
    • OpenVINO y cuantización
    • Transformación IR
    • Soporte en frameworks de entrenamiento
    • Soporte NNCF
    • Compresión NNCF
    • Herramienta OpenVINO-POT
    • Hands-on
    • Perdida de precisición
    • AccuracyAwareQuantization Algorithm
    • Extra

Audiencia a la que va dirigido este curso de oneAPI para IoT

Este curso está dirigido a aquellos desarrolladores de aplicaciones que desean desplegar un modelo de aprendizaje profundo en un entorno del ámbito de IoT.

También aquellos analistas de datos que deseen procesar información cercana a su producción (sensores) en aquellas situaciones en las que la latencia de la red sea alta o con bajo ancho de banda.

Modalidad - Online

  • Curso en vídeos
  • No hay costes de desplazamiento
  • Acceso al curso las 24 horas

Objetivos de la formación

El objetivo del curso oneAPI para IoT es adquirir los conocimientos y las habilidades necesarias para diseñar, desarrollar e implementar sistemas de IoT eficaces entre los que destaca el despliegue de soluciones con limitaciones computacionales y de alto rendimiento en entornos IoT.

Entre los objetivos del curso están:

  • La adquisición de competencias en tecnologías y herramientas de IoT
  • El diseño de sistemas de IoT eficientes y escalables
  • Despliegue de soluciones de IoT en diferentes entornos y escenarios para garantizar la seguridad y privacidad de los datos.

Duración

La duración estimada del curso son 6 hrs

Productos y versiones necesarios para completar la formación:

oneAPI Toolkit para IoT

Ya incluyen las principales herramientas de desarrollo como los compiladores Intel oneAPI DPC++/C++ Compiler.

OpenVINO

Conjunto de herramientas de código abierto para optimizar e implementar modelos de aprendizaje profundo. Proporciona un rendimiento mejorado para la fase de inferencia de modelo de aprendizaje profundo para modelos de visión, audio y lenguaje entrenados en los frameworks habituales como TensorFlow, PyTorch o Keras.

Coste y adquisición

Adquiere el curso

Antes 299 € + IVA.
Ahora en promoción especial por 99 € + IVA.

Ahora gratis Si eres cliente de Danysoft.com / Aledit.com este curso es totalmente gratuito. Es decir, por adquirir o renovar tus licencia tendrás acceso a este curso sin coste adicional.

¿Necesitas más información?

Puedes ponerte en contacto con nuestro equipo de profesionales y realizar la consulta que necesites.

Valor Añadido

Como valor añadido y pensando en tu formación, Aledit y Danysoft imparte múltiples webinars y artículos sobre esta herramienta. Contando para esto con profesionales de gran experiencia en el sector, garantizando ser una amplia fuente de conocimientos.

Encuentra muchos más vídeos sobre este tema en nuestro canal de YouTube.

Solicitud de curso gratis.

¿Cómo te podemos ayudar?

Mensaje enviado con éxito

Un especialista se pondrá en contacto cuanto antes.