Kurzusleírás

Bevezetés az Edge AI-ba ipari környezetekben

  • Miért fontos az edge computing a gyártásban
  • Összehasonlítás felhőalapú AI-val
  • Használati esetek a látásban, prediktív karbantartásban és vezérlésben

Hardver platformok és eszközszintű korlátozások

  • Áttekintés a gyakori edge hardverekről (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Feldolgozás, memória és energia szempontok
  • A megfelelő platform kiválasztása az alkalmazás típusa szerint

Modellfejlesztés és optimalizálás Edge-re

  • Modell tömörítés, nyesés és kvantálás technikák
  • TensorFlow Lite és ONNX használata beágyazott üzembe helyezéshez
  • Pontosság és sebesség egyensúlya korlátozott környezetekben

Számítógépes látás és érzékelő adatok fúziója az Edge-en

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

Kommunikáció és adatcsere

  • MQTT használata ipari üzenetküldéshez
  • Integráció SCADA, OPC-UA és PLC rendszerekkel
  • Biztonság és rugalmasság az edge kommunikációban

Üzembe helyezés és terepi tesztelés

  • Modellek csomagolása és üzembe helyezése edge eszközökön
  • Teljesítmény monitorozása és frissítések kezelése
  • Esettanulmány: valós idejű döntési kör helyi működtetéssel

Edge AI rendszerek skálázása és karbantartása

  • Edge eszközkezelési stratégiák
  • Távoli frissítések és modell újratanítási ciklusok
  • Életciklus szempontok ipari szintű üzembe helyezéshez

Összefoglalás és következő lépések

Követelmények

  • Beágyazott rendszerek vagy IoT architektúrák ismerete
  • Tapasztalat Python vagy C/C++ programozásban
  • Ismeret a gépi tanulási modellek fejlesztésében

Közönség

  • Beágyazott rendszerek fejlesztői
  • Ipari IoT csapatok
 21 Órák

Résztvevők száma


Ár per résztvevő

Közelgő kurzusok

Rokon kategóriák