Kurzusleírás

Az Edge AI bemutatása

  • Definíció és kulcsfogalmak
  • Az Edge AI és a Cloud AI közötti különbségek
  • Az Edge AI előnyei és kihívásai
  • Az Edge AI-alkalmazások áttekintése

Edge AI architektúra

  • Edge AI rendszerek összetevői
  • Hardver és szoftver követelmények
  • Adatáramlás az Edge AI-alkalmazásokban
  • Integráció meglévő rendszerekkel

Az Edge AI környezet beállítása

  • Az Edge AI platformok bemutatása (Raspberry Pi, NVIDIA Jetson stb.)
  • A szükséges szoftverek és könyvtárak telepítése
  • A fejlesztői környezet konfigurálása
  • Az Edge AI beállításának inicializálása

Edge AI modellek fejlesztése

  • Az éleszközök gépi tanulási és mély tanulási modelljeinek áttekintése
  • Képzési modellek kifejezetten éles telepítéshez
  • A modellek optimalizálási technikái éleszközökhöz
  • Eszközök és keretrendszerek az Edge AI fejlesztéséhez (TensorFlow Lite, OpenVINO stb.)

Data Management és Előfeldolgozás az Edge AI-hez

  • Adatgyűjtési technikák peremkörnyezetekhez
  • Adatok előfeldolgozása és kiegészítése éleszközökhöz
  • Adatfolyamatok kezelése szélső eszközökön
  • Adatvédelem és biztonság biztosítása szélsőséges környezetben

Edge AI alkalmazások telepítése

  • A modellek telepítésének lépései különféle éleszközökön
  • A telepített modellek megfigyelésének és kezelésének technikái
  • Valós idejű adatfeldolgozás és következtetés a szélső eszközökön
  • Esettanulmányok és gyakorlati példák a telepítésre

Az Edge AI integrálása az IoT-rendszerekkel

  • Az Edge AI-megoldások összekapcsolása IoT-eszközökkel és érzékelőkkel
  • Communication protokollok és adatcsere-módszerek
  • Végponttól végpontig terjedő Edge AI és IoT megoldás készítése
  • Gyakorlati példák és használati esetek

Use Case és Alkalmazások

  • Az Edge AI iparág-specifikus alkalmazásai
  • Mélyreható esettanulmányok az egészségügyről, az autóiparról és az intelligens otthonokról
  • Sikertörténetek és tanulságok
  • Jövőbeli trendek és lehetőségek az Edge AI-ban

Etikai megfontolások és bevált gyakorlatok

  • Adatvédelem és biztonság biztosítása az Edge AI-telepítéseknél
  • Az elfogultság és az igazságosság kezelése az Edge AI modellekben
  • Az előírásoknak és szabványoknak való megfelelés
  • A felelős mesterséges intelligencia bevezetésének legjobb gyakorlatai

Gyakorlati projektek és gyakorlatok

  • Komplex Edge AI alkalmazás fejlesztése
  • Valós projektek és forgatókönyvek
  • Együttműködő csoportos gyakorlatok
  • Projektbemutatók és visszajelzések

Összegzés és a következő lépések

Követelmények

  • Az alapvető AI és gépi tanulási fogalmak megértése
  • Programozási nyelvekkel kapcsolatos tapasztalat (Python ajánlott)
  • Ismerkedés az élszámítással és az IoT-fogalmakkal

Közönség

  • Fejlesztők
  • IT szakemberek
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák