Dataloop AI „Snapdragon Summit“ paskelbė apie bendradarbiavimą su Qualcomm technologijos. Šiuo bendradarbiavimu siekiama paspartinti AI modelių kūrimą mobiliesiems, automobiliams, IoT ir kitiems kompiuteriniams įrenginiams, kuriuos maitina Snapdragon platformos.
Naudodami naujai sukurtą, visiškai automatizuotą AI Pipeline Dataloop AI platformoje, programų ir modelių kūrėjai turi tiesioginę prieigą prie išsamaus AI kūrimo įrankių rinkinio, skirto modeliams ir programoms, pritaikytoms Snapdragon platformų maitinamiems įrenginiams, kurti. Tada jie gali naudoti „Qualcomm AI Hub“, kad įdiegtų šiuos modelius įvairiuose įrenginiuose, kuriuos maitina „Snapdragon“ platformos.
„Dataloop“ leidžia dirbtinio intelekto kūrėjams supaprastinti visą AI gyvavimo ciklą naudojant automatizuotą dujotiekį, apimantį duomenų tvarkymą, žymėjimą, modelio koregavimą ir integravimą su „Qualcomm AI Hub“, kuris kompiliuoja, optimizuoja ir profiliuoja paruoštą diegti modelį.
Nir Buschivienas iš Dataloop AI įkūrėjų ir CBO, sakė: „Qualcomm AI Hub padeda padidinti AI kūrimo efektyvumą. Išsami „Dataloop“ platforma supaprastina visą DI gyvavimo ciklą, o „Qualcomm Technologies“ naujovės leidžia modeliams, kurie yra optimizuoti ir paruošti diegti pažangiuose įrenginiuose, todėl kūrėjai gali paspartinti naujoves ir greičiau pateikti AI sprendimus rinkai..
Siddhika Nevrekar, vyresnysis „Qualcomm Technologies“ produktų valdymo direktorius, sakė: „Qualcomm Technologies bendradarbiauja su Dataloop, kad supaprastintų AI diegimą įrenginiuose. Naudodami „Dataloop“ automatizuotus vamzdynus ir patikimą duomenų valdymą, kūrėjai gali sukurti galingas AI sistemas ir įdiegti jas įrenginyje naudodami „Qualcomm AI Hub“..
„Dataloop“ palaiko AI komandas per visą AI taikomųjų programų diegimo procesą, todėl jos gali nuosekliai kurti ir greitai ir tiksliai įdiegti programas. Taikant duomenų agnostinį metodą ir palaikymą įvairių tipų nestruktūriniams duomenims, jis patenkina pramonės šakų, kurios susiduria su sudėtingomis duomenų darbo eigomis ir duomenų kokybės bei dirbtinio intelekto modelių mokymo iššūkiais, poreikius.
Komentuokite šį straipsnį per X: @IoTNow_ ir apsilankykite mūsų pagrindiniame puslapyje IoT Now
