Übersicht
Worum es bei diesem Projekt geht.
Sie erhalten drei Modelle (ein ResNet-50, ein BERT-base, ein kleines Llama-3-1B) in PyTorch-Format. Kompilieren Sie jedes Modell mit (1) TVM, (2) OpenXLA, (3) TensorRT für CPU-, A10-GPU- und A100-GPU-Targets. Messen Sie Throughput, Latenz und Compile-Time. Schreiben Sie einen Anwendungsleitfaden, der internen Teams sagt: 'Wenn Modell X auf Target Y läuft, dann nimm Compiler Z.' Erfolg ist ein vollständig befüllter 3×3×3-Vergleich plus eine 7-seitige Heuristik-Dokumentation, die ein interner ML-Engineer ohne Compiler-Vorwissen lesen und anwenden kann.
Das Briefing
Was Du tust und was Du zeigst.
Welcher ML-Compiler bringt für welche Modell-Hardware-Kombination signifikanten Mehrwert gegenüber dem PyTorch-Eager-Baseline?
Earning criteria — what you'll demonstrate
- Drei moderne ML-Compiler praktisch anwenden und ihre Stärken einordnen
- Hardware-Targets jenseits der Cloud-GPU-Komfortzone benchmarken
- Eine empirische Heuristik aus Benchmark-Daten ableiten
- Compiler-Failure-Modes als Befund dokumentieren statt zu verstecken
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML-Forscher:in
Compiler-Benchmarking ist eine Nische mit hoher Nachfrage; wer eine fundierte 3×3×3-Studie abgeliefert hat, hebt sich von der Masse generischer DL-Projekte ab.
Dieses Projekt schärft
- ml-compilers
- tvm
- hardware-benchmarking
MLOps-Ingenieur:in
Inference-Optimierung über Compiler ist ein wachsendes Tätigkeitsfeld in MLOps; diese Erfahrung positioniert für senior-track-Plattformrollen.
Dieses Projekt schärft
- tensorrt
- model-optimization
- hardware-benchmarking
Angewandte:r KI-Wissenschaftler:in
Eine empirische Heuristik aus 27 Benchmarks zu destillieren ist exakt der Output, den Applied AI Scientists an Plattform-Teams liefern, um Default-Entscheidungen zu untermauern.
Dieses Projekt schärft
- model-optimization
- technical-writing
- ml-compilers
Noch eine Sache