Kurzusleírás

Bevezetés az ipari környezetekben Edge AI-be

  • Miért számít az edge computing a gyártásban
  • Összehasonlítás a felhőalapú AI-vel
  • Alkalmazási példák a látás, a előrejelző karbantartás és az irányítás terén

Hardver platformok és eszközszintű korlátozások

  • Közönséges edge hardver áttekintése (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Folyamatolás, memória és energia szempontok
  • A megfelelő platform kiválasztása alkalmazástitípus szerint

Modellfejlesztés és optimalizálás az edge-re

  • Modell tömörítés, vágás és kvantizálási technikák
  • TensorFlow Lite és ONNX használata beágyazott telepítéshez
  • Pontosság és sebesség egyensúlyozása korlátozott környezetben

Computer Vision és Sensor Fusion az edge-en

  • Edge alapú vizuális vizsgálat és monitorozás
  • Adatok integrálása több érzékelőből (rezgés, hőmérséklet, kamerák)
  • Valós idejű anomália detektálás Edge Impulse segítségével

Communication és adatcseré

  • MQTT használata ipari üzenetváltáshoz
  • Integrálás SCADA, OPC-UA és PLC rendszerekbe
  • Biztonság és ellenálló képesség az edge kommunikációban

Telepítés és tereppróba

  • Modellök csomagolása és telepítése edge eszközökön
  • Teljesítmény figyelése és frissítések kezelése
  • Esettanulmány: valós idejű döntési ciklus helyi aktuációval

Edge AI rendszerek skálázása és karbantartása

  • Edge eszközkezelési stratégiák
  • Távolléti frissítések és modell retraining ciklusok
  • Életciklus szempontok ipari szintű telepítéshez

Összegzés és következő lépések

Követelmények

  • Embedded rendszerek vagy IoT architektúrák ismerete
  • Python vagy C/C++ programozási tapasztalat
  • Ismeret a gépi tanulás modellek fejlesztésében

Célközönség

  • Embedded fejlesztők
  • Ipari IoT csapatok
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák