Edge AI oktatás Magyarország

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű AI-kutatókat, adattudósokat és biztonsági szakembereket céloz meg, akik egyesített tanulási technikákat szeretnének megvalósítani a mesterséges intelligencia modellek oktatásához több szélső eszközön, miközben megőrzik az adatvédelmet.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az egyesített tanulás alapelveit és előnyeit a Edge AI-ben.
• Valósítson meg egyesített tanulási modelleket TensorFlow Federated és PyTorch segítségével.
• Optimalizálja a mesterséges intelligencia képzését az elosztott éleszközök között.
• Kezelje az adatvédelmi és biztonsági kihívásokat az egyesített tanulásban.
• Telepítsen és figyeljen egyesített tanulási rendszereket valós alkalmazásokban.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő és középszintű mezőgazdasági szakembereknek, IoT-specialistáknak és mesterséges intelligencia-mérnököknek szól, akik Edge AI megoldásokat szeretnének fejleszteni és bevezetni az intelligens gazdálkodáshoz.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Edge AI szerepét a precíziós mezőgazdaságban.
• Alkalmazzon mesterséges intelligencia által vezérelt termény- és állatállomány-megfigyelési rendszereket.
• Automatizált öntözési és környezetérzékelő megoldások fejlesztése.
• Optimalizálja a mezőgazdasági hatékonyságot valós idejű Edge AI elemzéssel.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű kiberbiztonsági szakembereknek, mesterséges intelligencia-mérnököknek és IoT-fejlesztőknek szól, akik robusztus biztonsági intézkedéseket és rugalmassági stratégiákat szeretnének megvalósítani Edge AI rendszereken.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Edge AI telepítések biztonsági kockázatait és sebezhetőségeit.
• Alkalmazzon titkosítási és hitelesítési technikákat az adatvédelem érdekében.
• Rugalmas Edge AI architektúrák tervezése, amelyek ellenállnak a kiberfenyegetéseknek.
• Alkalmazzon biztonságos AI-modell-telepítési stratégiákat szélsőséges környezetekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő és középszintű kiskereskedelmi technológusok, mesterséges intelligencia fejlesztők és üzleti elemzők számára készült, akik Edge AI megoldásokat szeretnének alkalmazni az intelligens pénztárrendszerekhez, készletkezeléshez és személyre szabott ügyfélelköteleződéshez.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg, hogy a Edge AI hogyan javítja a kiskereskedelmi műveleteket és az ügyfélélményt.
• Valósítson meg mesterséges intelligens pénztári és pénztáros nélküli fizetési rendszereket.
• Optimalizálja a készletkezelést valós idejű nyomon követéssel és elemzéssel.
• Használja a számítógépes látást és az AI-t a személyre szabott bolti élményekhez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű távközlési szakembereknek, mesterséges intelligencia-mérnököknek és IoT-specialistáknak szól, akik szeretnék felfedezni, hogyan gyorsítják fel a 5G hálózatok Edge AI alkalmazásokat.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a 5G technológia alapjait és hatását az Edge AI-re.
• Vezessen be alacsony késleltetésű alkalmazásokhoz optimalizált mesterséges intelligencia modelleket 5G környezetben.
• Valós idejű döntéshozó rendszereket valósítson meg Edge AI és 5G kapcsolat használatával.
• Optimalizálja a mesterséges intelligencia munkaterhelését a hatékony teljesítmény érdekében szélső eszközökön.

Ez oktatóvezetett, élő (online vagy helyszíni) képzés célja, hogy az intermediate szintű embedded AI fejlesztők és az edge computing szakértők finomítsák és optimalizálják a könnyű AI modelleket erőforrás-korlátozott eszközökre történő telepítésre.

A képzés végén a résztvevők képesek lesznek:

• Kiválasztani és adaptálni előre képzett modelleket, amelyeket edge telepítésre alkalmasak.
• Alkalmaznia a kvantizálást, a vágást és más kompressziós technikákat a modell méretének és a késleltetés csökkentése érdekében.
• Finomítani a modelleket átvett tanulással feladat-specifikus teljesítmény érdekében.
• Optimalizált modelleket telepíteni valódi edge hardver platformokon.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) közép- és haladó szintű számítógépes látásmérnököknek, mesterséges intelligencia-fejlesztőknek és IoT-szakembereknek szól, akik szeretnének számítógépes látásmodelleket megvalósítani és optimalizálni valós idejű feldolgozáshoz peremeszközökön.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Edge AI alapjait és alkalmazásait a számítógépes látásban.
• Vezessen be optimalizált mély tanulási modelleket az éleszközökön a valós idejű kép- és videóelemzés érdekében.
• Használjon olyan keretrendszereket, mint a TensorFlow Lite, OpenVINO és az NVIDIA Jetson SDK a modell telepítéséhez.
• Optimalizálja az AI modelleket a teljesítmény, az energiahatékonyság és az alacsony késleltetésű következtetések érdekében.

This instructor-led, live training in Magyarország (online or onsite) is aimed at intermediate-level embedded engineers, IoT developers, and AI researchers who wish to implement TinyML techniques for AI-powered applications on energy-efficient hardware.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI.
• Deploy lightweight AI models on microcontrollers.
• Optimize AI inference for low-power consumption.
• Integrate TinyML with real-world IoT applications.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű és haladó szintű robotikai mérnököknek, mesterséges intelligencia-fejlesztőknek és automatizálási szakembereknek szól, akik Edge AI-t kívánnak implementálni robotikai alkalmazásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Edge AI szerepét az autonóm rendszerekben.
• Telepítsen mesterséges intelligencia modelleket szélső eszközökön a valós idejű robotizáláshoz.
• Optimalizálja az AI teljesítményét az alacsony késleltetésű döntéshozatalhoz.
• Integrálja a számítógépes látást és az érzékelőfúziót a robotok autonómiájáért.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű mesterségesintelligencia-mérnököknek, beágyazott fejlesztőknek és hardvermérnököknek szól, akik mesterséges intelligencia modelleket kívánnak megvalósítani alacsony fogyasztású eszközökön, miközben minimalizálják az energiafogyasztást.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a mesterséges intelligencia energiahatékony eszközökön való futtatásának kihívásait.
• Optimalizálja a neurális hálózatokat az alacsony fogyasztású következtetésekhez.
• Használjon kvantálási, metszési és modelltömörítési technikákat.
• Telepítse az AI-modelleket szélső hardvereken minimális energiafelhasználással.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű mesterségesintelligencia-fejlesztőknek, beágyazott mérnököknek és robotmérnököknek szól, akik MI-modelleket szeretnének optimalizálni és telepíteni az NVIDIA Jetson platformokon az élvonalbeli alkalmazásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az élvonalbeli AI és az NVIDIA Jetson hardver alapjait.
• Optimalizálja az AI-modelleket szélső eszközökön történő telepítéshez.
• Használja a TensorRT-t a mély tanulási következtetés felgyorsításához.
• Vezessen be mesterséges intelligencia modelleket a JetPack SDK és az ONNX Runtime használatával.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű mesterségesintelligencia-fejlesztőknek, gépi tanulási mérnököknek és rendszertervezőknek szól, akik optimalizálni szeretnék az AI-modelleket az élvonalbeli telepítéshez.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az AI-modellek szélső eszközökön történő telepítésének kihívásait és követelményeit.
• Alkalmazzon modelltömörítési technikákat az AI-modellek méretének és összetettségének csökkentése érdekében.
• Használjon kvantálási módszereket a modell hatékonyságának növelésére az élhardvereken.
• A modell teljesítményének javítása érdekében metszés és egyéb optimalizálási technikák alkalmazása.
• Vezessen be optimalizált mesterséges intelligencia modelleket különböző szélső eszközökön.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű fejlesztőknek, adattudósoknak és technológiai rajongóknak szól, akik gyakorlati készségeket szeretnének elsajátítani a mesterséges intelligencia modellek szélső eszközökön történő telepítésében különféle alkalmazásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI alapelveit és előnyeit.
• Állítsa be és konfigurálja az éles számítási környezetet.
• AI-modellek fejlesztése, betanítása és optimalizálása az élvonalbeli telepítéshez.
• Valósítson meg gyakorlatias mesterséges intelligencia megoldásokat szélső eszközökön.
• Értékelje és javítsa az élen telepített modellek teljesítményét.
• Vegye figyelembe az Edge AI-alkalmazások etikai és biztonsági szempontjait.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű pénzügyi szakembereknek, fintech-fejlesztőknek és mesterséges intelligencia-specialistáknak szól, akik az Edge AI-megoldásokat szeretnék megvalósítani a pénzügyi szolgáltatásokban.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI szerepét a pénzügyi szolgáltatásokban.
• Alkalmazzon csalásészlelő rendszereket az Edge AI használatával.
• Fokozza az ügyfélszolgálatot mesterséges intelligencia által vezérelt megoldásokkal.
• Alkalmazza az Edge AI-t a kockázatkezeléshez és a döntéshozatalhoz.
• Telepítse és kezelje az Edge AI megoldásokat pénzügyi környezetben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű ipari mérnököknek, gyártó szakembereknek és mesterséges intelligencia-fejlesztőknek szól, akik az Edge AI-megoldásokat kívánják megvalósítani az ipari automatizálásban.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI szerepét az ipari automatizálásban.
• Valósítson meg prediktív karbantartási megoldásokat az Edge AI segítségével.
• Alkalmazzon mesterséges intelligencia technikákat a gyártási folyamatok minőségellenőrzésére.
• Optimalizálja az ipari folyamatokat az Edge AI segítségével.
• Telepítse és kezelje az Edge AI megoldásokat ipari környezetben.

Edge AI az eszközökön és gépeken történő műszaki intelligencia modellök telepítése az éles körökben, lehetővé téve a minimalizált késleltetésű valós idejű döntéshozást.Ez az oktatóvezetett élő tanfolyam (online vagy helyszínen) a haladó szintű beágyazott és IoT szakembereket célozza meg, akik olyan gyártó környezetben szeretnének AI-alapú logikai és vezérlő rendszereket telepíteni, ahol a sebesség, megbízhatóság és offline működés kritikus.A tanfolyam végén a résztvevők képesek lesznek:- Értesülni az edge AI rendszerek architektúrájáról és előnyeiről.- AI modelleket építeni és optimalizálni eszközökön történő telepítésre.- Alacsony késleltetésű következtetéshez TensorFlow Lite és OpenVINO eszközeinek használatát megvalósítani.- Edge intelligenciát integrálni szenzorokkal, műszerekkel és ipari protokollokkal.**A tanfolyam formátuma**- Interaktív előadás és viták.- Sok gyakorlat és gyakorlás.- Élő-laboratóriumi környezetben történő gyakorlat.**A tanfolyam testreszabási lehetőségei**- A tanfolyam testreszabott verzióját kérhetik, kérjük, lépjenek kapcsolatba velünk a megbeszéléshez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű fejlesztőknek, adattudósoknak és mesterséges intelligenciával foglalkozó szakembereknek szól, akik szeretnék kihasználni a TensorFlow Lite for Edge AI alkalmazásokat.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a TensorFlow Lite alapjait és szerepét az Edge AI-ben.
• AI modellek fejlesztése és optimalizálása a TensorFlow Lite segítségével.
• Telepítse a TensorFlow Lite modelleket különféle éleszközökön.
• Használjon eszközöket és technikákat a modellkonverzióhoz és -optimalizáláshoz.
• Valósítson meg gyakorlati Edge AI-alkalmazásokat a TensorFlow Lite segítségével.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű várostervezőknek, építőmérnököknek és intelligens városi projektmenedzsereknek szól, akik az Edge AI-t az okosvárosi kezdeményezésekhez szeretnék kamatoztatni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI szerepét az intelligens városi infrastruktúrákban.
• Végezzen Edge AI-megoldásokat a forgalomkezeléshez és -felügyelethez.
• Optimalizálja a városi erőforrásokat az Edge AI-technológiák segítségével.
• Integrálja az Edge AI-t a meglévő intelligens városi rendszerekkel.
• Vegye figyelembe az etikai és szabályozási szempontokat az intelligens városok telepítése során.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű kiberbiztonsági szakembereknek, rendszergazdáknak és mesterséges intelligencia-etikai kutatóknak szól, akik biztonságos és etikusan telepítik az Edge AI-megoldásokat.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI biztonsági és adatvédelmi kihívásait.
• Alkalmazza a legjobb gyakorlatokat a szélső eszközök és adatok védelmére.
• Stratégiákat dolgozzon ki az Edge AI-telepítések biztonsági kockázatainak csökkentésére.
• Vegye figyelembe az etikai szempontokat, és biztosítsa a szabályok betartását.
• Végezzen biztonsági értékeléseket és auditokat az Edge AI-alkalmazásokhoz.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű robottechnikai mérnököknek, autonóm járműfejlesztőknek és mesterséges intelligenciakutatóknak szól, akik az Edge AI-t innovatív autonóm rendszermegoldásokhoz szeretnék kamatoztatni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI szerepét és előnyeit az autonóm rendszerekben.
• Fejlesszen és telepítsen mesterséges intelligencia modelleket a valós idejű feldolgozáshoz peremeszközökön.
• Valósítsa meg az Edge AI-megoldásokat autonóm járművekben, drónokban és robotikában.
• Vezérlőrendszerek tervezése és optimalizálása Edge AI segítségével.
• Vegye figyelembe az etikai és szabályozási szempontokat az autonóm AI-alkalmazásokban.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű egészségügyi szakembereknek, orvosbiológiai mérnököknek és mesterséges intelligenciafejlesztőknek szól, akik az Edge AI-t innovatív egészségügyi megoldásokhoz szeretnék kamatoztatni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI szerepét és előnyeit az egészségügyben.
• AI-modellek fejlesztése és üzembe helyezése egészségügyi alkalmazások szélső eszközein.
• Valósítsa meg az Edge AI-megoldásokat hordható eszközökben és diagnosztikai eszközökben.
• Tervezze meg és telepítse az Edge AI-t használó páciensfigyelő rendszereket.
• Vegye figyelembe az egészségügyi mesterséges intelligencia-alkalmazások etikai és szabályozási szempontjait.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) haladó szintű AI-gyakorlóknak, kutatóknak és fejlesztőknek szól, akik szeretnék elsajátítani az Edge AI legújabb vívmányait, optimalizálni AI-modelleiket az élvonalbeli telepítéshez, és felfedezni szeretnék. speciális alkalmazások a különböző iparágakban.

A képzés végére a résztvevők képesek lesznek:

• Fedezze fel az Edge AI modellfejlesztés és -optimalizálás fejlett technikáit.
• Alkalmazzon élvonalbeli stratégiákat az AI-modellek élvonalbeli eszközökön történő telepítéséhez.
• Használjon speciális eszközöket és keretrendszereket a fejlett Edge AI-alkalmazásokhoz.
• Optimalizálja az Edge AI-megoldások teljesítményét és hatékonyságát.
• Fedezze fel az Edge AI innovatív használati eseteit és feltörekvő trendjeit.
• Vegye figyelembe a fejlett etikai és biztonsági szempontokat az Edge AI-telepítések során.

A Huawei Ascend CANN eszköztára lehetővé teszi a hatékony AI-inferencinget szegélyeszközökön, mint például az Ascend 310. A CANN olyan alapvető eszközöket biztosít a modellök fordításához, optimalizálásához és telepítéséhez, ahol számítási kapacitás és memóriát korlátozva kell dolgozni.

Ez az oktatóvezetett, élő (online vagy előadások) képzés célközönsége azok a középfokú AI-fejlesztők és integrátorok, akik azt szeretnék, hogy modelleket telepítsenek és optimalizáljanak Ascend szegélyeszközökön a CANN eszközlánccal.

A képzés végén a résztvevők képesek lesznek:

• AI-modelleket készíteni és átalakítani Ascend 310-eszközök számára a CANN eszközök használatával.
• Könnyű inferencing-pipelinet építeni MindSpore Lite és AscendCL segítségével.
• Modellteljesítményt optimalizálni korlátozott számítási és memóriakapacitású környezetben.
• AI-alkalmazásokat telepíteni és monitorozni valós életbeli szegélyeszközökön.

A képzés formája

• Interaktív előadás és demonstráció.
• Szegélyeszközökön specifikus modellekkel és jelenetekkel kapcsolatos gyakorlati munkák.
• Virtuális vagy fizikai szegélyhardveren való élő telepítési példák.

A képzés testreszabási lehetőségei

• A képzés testreszabott változatának kérésére vegye fel velünk a kapcsolatot.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű fejlesztőknek, rendszerépítészeknek és iparági szakembereknek szól, akik az Edge AI-t szeretnék kihasználni az IoT-alkalmazások intelligens adatfeldolgozási és elemzési képességekkel való bővítésében.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI alapjait és alkalmazását az IoT-ben.
• Állítsa be és konfigurálja az Edge AI-környezeteket az IoT-eszközökhöz.
• AI-modellek fejlesztése és üzembe helyezése az IoT-alkalmazások szélső eszközein.
• Valós idejű adatfeldolgozás és döntéshozatal megvalósítása az IoT-rendszerekben.
• Integrálja az Edge AI-t különféle IoT-protokollokkal és platformokkal.
• Tekintse meg az Edge AI for IoT etikai szempontjait és bevált gyakorlatait.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű IoT-fejlesztőknek, beágyazott mérnököknek és mesterséges intelligenciával foglalkozó szakembereknek szól, akik a TinyML-et szeretnék megvalósítani a prediktív karbantartáshoz, anomáliák észleléséhez és intelligens érzékelőalkalmazásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a TinyML alapjait és alkalmazásait az IoT-ben.
• Állítson be TinyML fejlesztői környezetet az IoT-projektekhez.
• ML modellek fejlesztése és üzembe helyezése alacsony fogyasztású mikrokontrollereken.
• Valósítsa meg a prediktív karbantartást és az anomáliák észlelését a TinyML segítségével.
• Optimalizálja a TinyML modelleket a hatékony energia- és memóriahasználat érdekében.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) középszintű fejlesztőknek és informatikai szakembereknek szól, akik átfogó ismereteket szeretnének szerezni az Edge AI-ről az ötlettől a gyakorlati megvalósításig, beleértve a beállítást és a telepítést.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI alapfogalmait.
• Állítsa be és konfigurálja az Edge AI környezeteket.
• Fejlesszen, képezzen és optimalizáljon Edge AI modelleket.
• Telepítsen és kezeljen Edge AI-alkalmazásokat.
• Integrálja az Edge AI-t a meglévő rendszerekkel és munkafolyamatokkal.
• Vegye figyelembe az Edge AI megvalósításának etikai szempontjait és bevált gyakorlatait.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a középszintű beágyazott rendszermérnököknek és mesterséges intelligenciafejlesztőknek szól, akik gépi tanulási modelleket szeretnének telepíteni a TensorFlow Lite és az Edge Impulse segítségével működő mikrokontrollereken.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a TinyML alapjait és előnyeit az élvonalbeli AI-alkalmazásokhoz.
• Fejlesztői környezet létrehozása TinyML projektekhez.
• Tanítson, optimalizáljon és telepítsen mesterséges intelligencia modelleket alacsony fogyasztású mikrokontrollereken.
• A TensorFlow Lite és az Edge Impulse segítségével valós TinyML alkalmazásokat valósítson meg.
• Optimalizálja az AI modelleket az energiahatékonyság és a memóriakorlátok érdekében.

Cambricon MLUs (Machine Learning egységek) speciális AI-chip-ek, optimalizálva az inferencia és a tanításra szegélyi és adatközponti környezetekben.

Ez az oktatóvezetett, élő képzés (online vagy helyszínen) középszintű fejlesztőknek szól, akik a BANGPy keretrendszer és a Neuware SDK segítségével szeretnének AI-modelleket építeni és telepíteni Cambricon MLU hardveren.

Ez a képzés végén a résztvevők képesek lesznek:

• Beállítani és konfigurálni a BANGPy és Neuware fejlesztői környezeteket.
• Python- és C++-alapú modelleket fejleszteni és optimalizálni Cambricon MLU-khoz.
• Modelleket telepíteni szegélyi és adatközponti eszközökre, amelyeken Neuware futtatókörnyezet működik.
• ML-munkafolyamatokat integrálni MLU-specifikus gyorsítói jellemzőkkel.

A képzés formátuma

• Interaktív előadás és beszélgetés.
• BANGPy és Neuware használata fejlesztés és telepítés során gyakorlati módon.
• Optimalizálás, integrálás és tesztelésre összpontosító vezetett gyakorlatok.

A képzés testreszabási lehetőségei

• A képzés testreszabott változatát Cambricon eszközmodellek vagy felhasználási esetek alapján kérhetik, vegyék fel velünk a kapcsolatot a megszervezéshez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő szintű fejlesztőknek és informatikai szakembereknek szól, akik szeretnék megérteni az Edge AI és bevezető alkalmazásai alapjait.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg az Edge AI alapfogalmait és architektúráját.
• Állítsa be és konfigurálja az Edge AI környezeteket.
• Egyszerű Edge AI-alkalmazások fejlesztése és üzembe helyezése.
• Azonosítsa és értse meg az Edge AI használati eseteit és előnyeit.