AI transformeert verschillende sectoren, producten en fundamentele functies. Toch verbruiken diepe neurale netwerken buitensporig veel geheugen, rekenkracht en energie. Om ervoor te zorgen dat AI op grote schaal wordt toegepast, moet het efficiënt werken op eindgebruikersapparaten, met inachtneming van strikte energie- en thermische beperkingen. Technieken als kwantisatie en compressie spelen een cruciale rol bij het beperken van deze uitdagingen.

In dit webinar laat Amir Servi, productmanager bij Sony, je kennismaken met Sony's Model Compression Toolkit voor het kwantificeren en versnellen van deep learning-modellen voor efficiënte edge-implementatie. Je leert hoe je hetzelfde kunt doen voor je eigen model! Wat je zult leren:

- Ons nieuwste onderzoek naar kwantisatietechnieken en de implementatie ervan in een praktisch product

- Belang van hardwarebewuste compressie voor inferencing aan de rand

- Hoe ingenieurs en onderzoekers deze technieken kunnen implementeren via Sony MCT

Recente vooruitgang in computervisie is aanzienlijk gestimuleerd door de introductie van transformatorarchitectuur en de gebruiksvriendelijke abstracties voor pre-train, fine-tune en infer in de 🤗 transformatorbibliotheek. Deze lezing geeft een overzicht van de nieuwste vision-modellen op basis van transformatoren, verkent de hulpprogramma's die beschikbaar zijn in de 🤗 transformatorenbibliotheek en biedt praktische inzichten in de achterliggende filosofie.

Heb je genoeg van lange rijen bij de kassa? Ons Intelligent Queue Management systeem is het antwoord! Volg ons voor een stap-voor-stap uitleg over hoe je zo'n systeem kunt maken met behulp van OpenVINO en YOLOv8. We leiden je door het integratieproces van deze krachtige open-source tools om een end-to-end oplossing te ontwikkelen die kan worden ingezet in omgevingen met kassa's in de detailhandel. Je leert hoe je de applicatie kunt optimaliseren om uitstekende prestaties te bereiken. Of je nu een ervaren ontwikkelaar bent of net begint met AI, deze sessie biedt praktische tips en best practices voor het bouwen van intelligente systemen met behulp van OpenVINO. Aan het eind van de presentatie heb je de kennis en middelen om je eigen oplossing te bouwen.

In een tijdperk dat gekenmerkt wordt door snelle ontwikkelingen op het gebied van kunstmatige intelligentie (AI), is het van het grootste belang om te navigeren door het ethische landschap van deze technologie. In deze sessie zal Mónica het ingewikkelde web van ethische dilemma's ontrafelen die gepaard gaan met de transformerende kracht van AI. Van het aanpakken van vooroordelen en eerlijkheid tot het verkennen van transparantie, verantwoording en de diepgaande impact van AI op de samenleving, zal Monica inzichten geven die licht werpen op de ethische overwegingen rondom AI.

Deze lezing is jouw kans om een fundamenteel begrip te krijgen van de ethische uitdagingen en verantwoordelijkheden die samenhangen met AI. Mónica zal je toerusten met kennis die essentieel is voor iedereen die zich bezighoudt met AI-ontwikkeling, besluitvorming of beleidsvorming.

Foundation Modellen kunnen veeleisend zijn in termen van GPU-berekening en zijn misschien niet geschikt voor realtime toepassingen, vooral als je miljoenen autonome aankooppunten wilt schalen. Maar we maken gebruik van de methode genaamd kennisdestillatie, waarbij we onze foundation modellen voor complexe taken zoals annotaties en deze kennis overbrengen naar kleinere en kosteneffectieve modellen. Hierdoor kunnen we ons annotatieproces tot wel 90 keer sneller laten verlopen dan bij traditionele labeling door mensen.

Pssst. Wil je een geheim horen? Wat als ik je zou vertellen dat actief leren niet moeilijk hoeft te zijn. Wat als er... een makkelijke manier was? Je hebt geluk. Deze lezing laat je precies zien hoe je een pijplijn voor actief leren kunt implementeren met behulp van DagsHub's Data Engine. En 90% van de pijplijn kan direct worden uitgevoerd in een Jupyter Notebook of op Google Colab! Aan het einde van de lezing heb je de benodigde informatie om je bestaande project om te zetten in een project dat actief leren gebruikt om de metriek van je modellen efficiënt en snel te verbeteren!

Het gebruik van open source tools met YOLOv8 kan je helpen om je volgende vision AI project snel op te starten. Er zijn repositories van open source afbeeldingen, bibliotheken om het labelen van gegevens te automatiseren, hulpmiddelen om te volgen of te tellen en servers om je modellen in te zetten. Leer hoe je deze kunt gebruiken met YOLOv8 om je volgende toepassing te bouwen.

De voortdurende wereldwijde wedloop naar grotere en betere kunstmatige intelligentie (AI)-systemen zal naar verwachting een diepgaand effect hebben op de maatschappij en het milieu door de banenmarkten te veranderen, bedrijfsmodellen te verstoren en nieuwe bestuurs- en maatschappelijke welvaartsstructuren mogelijk te maken die de wereldwijde consensus over klimaatmaatregelen kunnen beïnvloeden. De huidige AI-systemen worden echter getraind op bevooroordeelde datasets die politieke instanties kunnen destabiliseren die beslissingen nemen over de beperking van en aanpassing aan de klimaatverandering en de sociale stabiliteit in gevaar kunnen brengen, wat mogelijk kan leiden tot maatschappelijke omslagpunten. Het juiste ontwerp van een minder bevooroordeeld AI-systeem dat zowel directe als indirecte effecten op samenlevingen en planetaire uitdagingen weerspiegelt, is dus van het grootste belang.

Quantisatie van machine learning (ML) modellen kan leiden tot een significante afname van de modelgrootte en een afname van de inferentie latentie door lagere bandbreedtevereisten. Bij gebruik op hardwareopties die integer berekeningen efficiënt ondersteunen, kan de prestatiewinst zelfs nog dramatischer zijn. Kwantisering kan echter soms leiden tot een onacceptabele achteruitgang in nauwkeurigheid. In deze lezing presenteren we een overzicht van de methoden om YOLOv8 modellen efficiënt te kwantiseren, waardoor ze een uitstekende keuze zijn voor verschillende real-time edge AI toepassingen. We introduceren ook een klasse van YOLOv8 modellen met ReLU6 activatiefunctie die uitstekende kwantiseringsresultaten laten zien na training op verschillende modelarchitecturen en datasets. Tot slot laten we zien hoe de gekwantiseerde modellen kunnen worden ingezet op meerdere hardwareopties zoals CPU's, Edge TPU's en Orca (DeGirum's AI HW accelerator) met behulp van eenvoudige API's.

Ultralytics is de thuisbasis voor geavanceerde computervisiemodellen voor taken als beeldclassificatie, objectdetectie, beeldsegmentatie en posebepaling. Weights & Biases is een MLOps-platform voor ontwikkelaars dat, wanneer geïntegreerd met een Ultralytics workflow, ons in staat stelt om eenvoudig onze experimenten en modelcheckpoints te beheren en de resultaten van onze experimenten op een inzichtelijke en intuïtieve manier te visualiseren. In deze sessie zullen we onderzoeken hoe we onze computer vision workflows effectief kunnen superchargen met behulp van Ultralytics en Weights & Biases.

Leer hoe we PatentPT hebben gemaakt, een geavanceerde taalmodeloplossing die de zoek- en interactiemogelijkheden van patenten enorm verbetert. De presentatie biedt praktische inzichten in het afstemmen en inzetten van grote taalmodellen en het gebruik van geheugenagenten op bedrijfsniveau om octrooien automatisch aan te vullen, samenvattingen en conclusies te genereren en geavanceerde zoekfuncties voor octrooien uit te voeren met behulp van het rijke octrooicorpus. We laten je zien hoe je een vergelijkbare oplossing kunt ontwikkelen met behulp van Activeloop's Deep Lake, de Database for AI, open-source LLM-modellen, Habana Gaudi HPU-hardware en Amazon Sagemaker's LLM-inferentie-API's.

We lopen met je door de architectonische blauwdrukken en alle stappen die we hebben genomen om de oplossing te bouwen - van het trainen en finetunen van ons LLM-model, het maken van aangepaste functies en het implementeren van zoek-API's.

Of je nu een AI-beoefenaar bent die op zoek is naar praktische handleidingen voor het finetunen van LLM's, een jurist die geïnteresseerd is in het gebruik van AI voor het zoeken naar patenten, of gewoon nieuwsgierig bent naar de toekomst van AI-ondersteunde oplossingen, onze lezing biedt een kijkje in het proces en de mogelijkheden van het gebruik van LLM's op een gespecialiseerd gebied. Ga met ons mee terwijl we onze reis delen van het bouwen van op maat gemaakte LLM-aangedreven apps aangedreven door Deep Lake, de Database voor AI voor grote en kleine bedrijven.