Idealny dla zespołów, które…
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
Jak konfigurować i zarządzać TensorFlow Lite (LiteRT) do uruchamiania modeli ML na urządzeniach mobilnych (środowisko, zależności, delegaty)
Jak konwertować modele TensorFlow/Keras do formatu TensorFlow Lite oraz przygotowywać wejścia/wyjścia (sygnatury, metadane, walidacja)
Jak optymalizować modele pod urządzenia brzegowe (post-training quantization, QAT, pruning) oraz oceniać kompromisy dokładność–wydajność
Jak integrować i diagnozować TensorFlow Lite w aplikacjach na Androidzie i iOS, profilować inferencję i zbierać podstawowe metryki jakości/wydajności
Co konkretnie robimy
- · Wprowadzenie do TensorFlow Lite (LiteRT) i architektura runtime
- · Instalacja i konfiguracja TensorFlow Lite (LiteRT) na różnych platformach
- · Konwersja modeli TensorFlow/Keras do formatu TensorFlow Lite (LiteRT)
- · Optymalizacja modeli: kwantyzacja (PTQ/QAT), pruning, dobór delegatów i ograniczenia operatorów
- · Ćwiczenia praktyczne: konwersja i optymalizacja modelu na przykładzie rzeczywistego modelu ML (kalibracja, benchmark, kompromisy)
- · Analiza wyników optymalizacji: metryki jakości, latencja, pamięć, zużycie energii
- · Wprowadzenie do bibliotek TensorFlow Lite (LiteRT) dla Androida i iOS
- · Integracja TensorFlow Lite (LiteRT) z aplikacjami mobilnymi (pre/post-processing, wątki, zarządzanie zasobami)
- · Wdrożenie modeli TensorFlow Lite (LiteRT) na Androidzie i iOS: pipeline inferencji i akceleracja sprzętowa
- · Obsługa wejść i wyjść modeli w aplikacjach mobilnych: sygnatury, metadane, walidacja i kompatybilność
- · Techniki monitorowania wydajności i jakości inferencji na urządzeniach mobilnych: profilowanie, logowanie, telemetria
- · Debugowanie i optymalizacja wdrożonych modeli: wąskie gardła, regresje jakości, zgodność i stabilność
- · Ćwiczenia praktyczne: wdrożenie i uruchomienie modelu na urządzeniu mobilnym
- · Testowanie modelu w rzeczywistej aplikacji mobilnej: scenariusze, testy regresji, ograniczenia i ryzyka
- · Integracja TensorFlow Lite (LiteRT) z usługami chmurowymi Google Cloud AI
- · Wykorzystanie narzędzi do CI/CD do automatyzacji dystrybucji modeli i walidacji jakości/wydajności
Od briefu do retro w 30 dniach.
Brief i diagnoza
Rozmowa z liderem zespołu + krótka ankieta dla uczestników. Określamy cele, gap, kontekst.
Modyfikacja programu
Dostosowujemy moduły, case studies i przykłady kodu pod Twój stack. Akceptacja w 5 dni.
Warsztat
Sesje z trenerem, hands-on, code review. Mentor dostępny też pomiędzy sesjami.
Retro + raport
Raport z efektami dla zespołu i lidera. 30 dni konsultacji w cenie.
Wyślij brief. Odezwiemy się w 1 dzień.
Po krótkim briefie przygotujemy program i wycenę. Bez zobowiązań — to tylko punkt wyjścia do rozmowy.
Dziękujemy!
Odezwiemy się w ciągu 1 dnia roboczego.
Inne programy dla zespołów
Zobacz wszystkie →AI dla analityków: od danych do decyzji
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI jako narzędzie wspierające modernizację aplikacji
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.
AI szkolenie ogólne
Praktyczne warsztaty z AI i analityki danych — na realnych przypadkach Twojego zespołu.