Kurzusleírás

5G és Edge AI bevezetése

  • 5G hálózatok és edge számítás áttekintése
  • 4G és 5G főbb különbségei AI alkalmazásokhoz
  • Extrem ultra-alacsony késleltetésű AI kihívásai és lehetőségei

5G architektúra és edge számítás

  • 5G hálózati slicing értése AI munkafolyamatokhoz
  • Multi-Access Edge Computing (MEC) szerepe
  • Edge AI telepítési stratégiák telekom környezetekben

AI modellek telepítése edge eszközökre 5G-vel

  • TensorFlow Lite és OpenVINO használata Edge AI-hoz
  • AI modellek optimalizálása valós idejű feldolgozásra
  • Esemény: 5G-es AI-meghajtott videó-analitika

5G által megvalósított ultra-alacsony késleltetésű alkalmazások

  • Autonóm járművek és intelligens szállítás
  • AI-meghajtott előrejelző karbantartás ipari környezetekben
  • Egészségügyi alkalmazások: távoli diagnosztika és monitorozás

Biztonság és megbízhatóság 5G Edge AI rendszerekben

  • Adatvédelmi és kiiktatási biztonsági kihívások 5G AI-ben
  • AI modell robusztussága biztosítása valós idejű alkalmazásokban
  • Szabályozási megfelelés AI-meghajtott telekom megoldásokhoz

Jövőbeli trendek 5G és Edge AI területén

  • Haladások 6G és AI-meghajtott hálózati kapcsolatok területén
  • Federált tanulás integrációja 5G AI-val
  • Következő generációs alkalmazások okos városokban és IoT-ban

Összegzés és következő lépések

Követelmények

  • Alapvető ismeret a 5G hálózati architektúráról
  • Ismeret az AI és a gépi tanulás fogalmairól
  • Tapasztalat az edge computing és IoT alkalmazások terén

Audience

  • Telekommunikációs szakemberek
  • AI mérnökök
  • IoT szakemberek
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák