Online Edge AI Képzés Magyarország-ban

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) haladó szintű AI-kutatók, adattudósok és biztonsági szakemberek számára készült, akik szeretnék megvalósítani a federated learning technikákat AI modellek képzésére több edge eszközön keresztül, miközben megőrzik az adatvédelmet.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a federated learning alapelveit és előnyeit az Edge AI-ban.
• Federated learning modelleket implementálni a TensorFlow Federated és PyTorch segítségével.
• Optimalizálni az AI-képzést elosztott edge eszközökön.
• Kezelni az adatvédelmi és biztonsági kihívásokat a federated learningben.
• Üzembe helyezni és monitorozni federated learning rendszereket valós alkalmazásokban.

Ez az oktató által vezetett, élőben zajló képzés Magyarország-ben (online vagy helyszíni) kezdő és középhaladó szintű agritech szakemberek, IoT szakértők és AI mérnökök számára készült, akik Edge AI megoldásokat szeretnének fejleszteni és üzembe helyezni az okos gazdálkodás területén.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét a precíziós mezőgazdaságban.
• AI-alapú növényzet- és állatállomány-monitorozó rendszerek megvalósítása.
• Automatizált öntözési és környezeti érzékelési megoldások fejlesztése.
• Mezőgazdasági hatékonyság optimalizálása valós idejű Edge AI elemzések segítségével.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) haladó szintű informatikai biztonsági szakemberek, AI mérnökök és IoT fejlesztők számára készült, akik robusztus biztonsági intézkedéseket és rugalmassági stratégiákat szeretnének implementálni Edge AI rendszerekhez.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a biztonsági kockázatokat és sebezhetőségeket az Edge AI telepítésekben.
• Titkosítási és hitelesítési technikák implementálása az adatvédelem érdekében.
• Rugalmas Edge AI architektúrák tervezése, amelyek ellenállnak a kiberfenyegetéseknek.
• Biztonságos AI modell telepítési stratégiák alkalmazása edge környezetekben.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő és középhaladó szintű kereskedelmi technológusok, AI fejlesztők és üzleti elemzők számára készült, akik Edge AI megoldásokat szeretnének alkalmazni intelligens pénztárrendszerek, készletgazdálkodás és személyre szabott ügyfélkapcsolat területén.

A képzés végén a résztvevők képesek lesznek:

• Megérteni, hogyan javítja az Edge AI a kereskedelmi műveleteket és az ügyfélélményt.
• AI-alapú intelligens pénztár és pénztár nélküli fizetési rendszerek implementálása.
• Készletgazdálkodás optimalizálása valós idejű nyomon követéssel és elemzésekkel.
• Számítógépes látás és AI felhasználása személyre szabott üzleti élményekhez.

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

A képzés végére a résztvevők képesek lesznek:

• Megérteni a 5G technológia alapjait és hatását az Edge AI-ra.
• Alacsony késleltetésű alkalmazásokhoz optimalizált AI modellek üzembe helyezése 5G környezetben.
• Valós idejű döntéshozatali rendszerek implementálása Edge AI és 5G kapcsolat segítségével.
• AI munkaterhelések optimalizálása a hatékony teljesítmény érdekében edge eszközökön.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középhaladó szintű beágyazott AI fejlesztőknek és edge computing szakembereknek szól, akik szeretnék finomhangolni és optimalizálni a könnyűsúlyú AI modelleket erőforráskorlátozott eszközökön történő telepítéshez.

A képzés végére a résztvevők képesek lesznek:

• Kiválasztani és adaptálni előre betanított modelleket, amelyek alkalmasak edge telepítésre.
• Alkalmazni kvantálást, nyesést és egyéb tömörítési technikákat a modell méretének és késleltetésének csökkentésére.
• Finomhangolni modelleket átviteli tanulás segítségével feladatspecifikus teljesítmény érdekében.
• Optimalizált modelleket telepíteni valós edge hardver platformokon.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középhaladó és haladó szintű számítógépes látás mérnökök, AI fejlesztők és IoT szakemberek számára készült, akik szeretnék implementálni és optimalizálni a számítógépes látás modelleket valós idejű feldolgozásra peremhálózati eszközökön.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI alapjait és annak alkalmazásait a számítógépes látásban.
• Optimalizált mélytanulási modellek üzembe helyezése peremhálózati eszközökön valós idejű kép- és videóelemzéshez.
• Használni olyan keretrendszereket, mint a TensorFlow Lite, az OpenVINO és az NVIDIA Jetson SDK a modellek üzembe helyezéséhez.
• AI modellek optimalizálása teljesítmény, energiahatékonyság és alacsony késleltetésű következtetés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középhaladó szintű beágyazott rendszerek mérnökei, IoT fejlesztők és AI kutatók számára készült, akik TinyML technikákat szeretnének alkalmazni mesterséges intelligencia által hajtott alkalmazásokban energiahatékony hardvereken.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a TinyML és a peremhálózati mesterséges intelligencia alapjait.
• Könnyű súlyú AI modellek üzembe helyezése mikrovezérlőkön.
• AI következtetés optimalizálása alacsony energiafogyasztás érdekében.
• A TinyML integrálása valós IoT alkalmazásokkal.

Ez az oktató által vezetett, élő képzés Magyarország-ban (online vagy helyszíni) középhaladó és haladó szintű robotikamérnökök, AI-fejlesztők és automatizálási szakemberek számára készült, akik az Edge AI-t szeretnék alkalmazni robotikai alkalmazásokban.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét az autonóm rendszerekben.
• AI-modellek üzembe helyezése perem eszközökön valós idejű robotikához.
• AI-teljesítmény optimalizálása alacsony késleltetésű döntéshozatal érdekében.
• Számítógépes látás és érzékelőfúzió integrálása a robotikus autonómiához.

Az Edge & Lightweight Agents egy gyakorlati kurzus, amely az ügynök-alapú AI munkaterhelések üzembe helyezésére fókuszál erőforrás-korlátozott eszközökön. A résztvevők megtanulják, hogyan építsenek, optimalizáljanak és kezeljenek könnyűsúlyú ügynököket, amelyek képesek helyi következtetésekre és elemzésekre, ezzel javítva a sebességet, az adatvédelmet és a megbízhatóságot elosztott környezetekben. A kurzus kiemeli a teljesítményhangolást, a kis késleltetésű tervezést és a hardver-szoftver integrációt.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű szakembereknek szól, akik szeretnék megvalósítani és optimalizálni az eszközön futó ügynökrendszereket Python és edge AI keretrendszerek segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az ügynök-alapú AI architektúráját és kihívásait edge eszközökön.
• Tervezni könnyűsúlyú ügynök ciklusokat korlátozott környezetekhez.
• Helyi következtetések implementálása TensorFlow Lite, PyTorch Mobile és ONNX segítségével.
• Ügynökök integrálása érzékelőkkel, hajtóművekkel és IoT platformokkal.
• Teljesítmény, energiafogyasztás és késleltetés optimalizálása valós idejű működéshez.

A kurzus formátuma

• Interaktív előadás és gyakorlati bemutatók.
• Gyakorlati fejlesztés helyi vagy emulált környezetekben.
• Projektalapú tanulás és irányított implementációs gyakorlatok.

Kurzus testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) haladó szintű AI mérnökök, beágyazott fejlesztők és hardvermérnökök számára készült, akik AI-modelleket szeretnének implementálni alacsony fogyasztású eszközökön, miközben minimalizálják az energiafogyasztást.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az AI energiahatékony eszközökön történő futtatásának kihívásait.
• Neurális hálózatok optimalizálása alacsony fogyasztású következtetésekhez.
• Kvantálás, metszés és modelltömörítési technikák alkalmazása.
• AI-modellek üzembe helyezése peremhálózati hardvereken minimális energiafogyasztással.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középhaladó szintű AI fejlesztők, beágyazott rendszerek mérnökei és robotikai mérnökök számára készült, akik szeretnék optimalizálni és üzembe helyezni AI modelleket NVIDIA Jetson platformokon peremhálózati alkalmazásokhoz.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a peremhálózati AI és az NVIDIA Jetson hardver alapjait.
• AI modellek optimalizálása peremhálózati eszközökön történő üzembe helyezéshez.
• TensorRT használata a mélytanulási következtetések gyorsításához.
• AI modellek üzembe helyezése JetPack SDK és ONNX Runtime segítségével.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű AI fejlesztők, gépi tanulási mérnökök és rendszerarchitektusok számára készült, akik szeretnék optimalizálni AI modeljeiket peremhálózati telepítéshez.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az AI modellek peremhálózati eszközökön történő telepítésének kihívásait és követelményeit.
• Modelltömörítési technikák alkalmazása az AI modellek méretének és komplexitásának csökkentésére.
• Kvantálási módszerek használata a modell hatékonyságának növelésére peremhálózati hardveren.
• Metszés és egyéb optimalizációs technikák implementálása a modell teljesítményének javítására.
• Optimalizált AI modellek telepítése különböző peremhálózati eszközökre.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű fejlesztőknek, adattudósoknak és technológiai rajongóknak szól, akik gyakorlati készségeket szeretnének szerezni az AI modellek edge eszközökön történő üzembe helyezésében különböző alkalmazásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI elveit és előnyeit.
• Beállítani és konfigurálni az edge számítási környezetet.
• Fejleszteni, betanítani és optimalizálni AI modelleket edge üzembe helyezéshez.
• Gyakorlati AI megoldásokat implementálni edge eszközökön.
• Értékelni és javítani az edge-en üzembe helyezett modellek teljesítményét.
• Kezelni az etikai és biztonsági szempontokat az Edge AI alkalmazásokban.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű pénzügyi szakembereknek, fintech fejlesztőknek és AI szakértőknek szól, akik Edge AI megoldásokat szeretnének bevezetni a pénzügyi szolgáltatásokban.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét a pénzügyi szolgáltatásokban.
• Csalásfelismerő rendszerek implementálása Edge AI segítségével.
• Ügyfélszolgálat fejlesztése AI-alapú megoldásokkal.
• Edge AI alkalmazása kockázatkezelésre és döntéshozatalra.
• Edge AI megoldások üzembe helyezése és kezelése pénzügyi környezetben.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű ipari mérnökök, gyártási szakemberek és AI fejlesztők számára készült, akik Edge AI megoldásokat szeretnének implementálni az ipari automatizációban.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét az ipari automatizációban.
• Prediktív karbantartási megoldásokat implementálni az Edge AI segítségével.
• AI technikákat alkalmazni a gyártási folyamatok minőségellenőrzésében.
• Ipari folyamatokat optimalizálni az Edge AI segítségével.
• Edge AI megoldásokat telepíteni és kezelni ipari környezetekben.

Az Edge AI a mesterséges intelligencia modellek közvetlen üzembe helyezését jelenti a hálózat peremén lévő eszközökön és gépeken, lehetővé téve a valós idejű döntéshozatalt minimális késleltetéssel.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) haladó szintű beágyazott és IoT szakembereknek szól, akik AI-alapú logikai és vezérlő rendszereket szeretnének üzembe helyezni gyártási környezetekben, ahol a sebesség, megbízhatóság és offline működés kritikus.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI rendszerek architektúráját és előnyeit.
• AI modellek építése és optimalizálása beágyazott eszközökre történő üzembe helyezéshez.
• Olyan eszközök használata, mint a TensorFlow Lite és az OpenVINO alacsony késleltetésű következtetéshez.
• Edge intelligencia integrálása érzékelőkkel, működtetőkkel és ipari protokollokkal.

A képzés formátuma

• Interaktív előadás és vita.
• Számos gyakorlat és gyakorlás.
• Gyakorlati megvalósítás élő laboratóriumi környezetben.

Kurzus testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszínen) középhaladó szintű fejlesztőknek, adattudósoknak és AI szakembereknek szól, akik szeretnék kihasználni a TensorFlow Lite előnyeit Edge AI alkalmazásokban.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a TensorFlow Lite alapjait és szerepét az Edge AI-ban.
• AI modellek fejlesztése és optimalizálása a TensorFlow Lite segítségével.
• TensorFlow Lite modellek üzembe helyezése különböző edge eszközökön.
• Eszközök és technikák használata modellkonverzióhoz és optimalizáláshoz.
• Gyakorlati Edge AI alkalmazások implementálása TensorFlow Lite segítségével.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középszintű várostervezők, építészmérnökök és okosvárosi projektmenedzserek számára készült, akik szeretnék kihasználni az Edge AI lehetőségeit okosvárosi kezdeményezésekben.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét az okosvárosi infrastruktúrákban.
• Edge AI megoldások implementálása forgalomirányítás és felügyelet területén.
• Városi erőforrások optimalizálása Edge AI technológiák segítségével.
• Edge AI integrálása meglévő okosvárosi rendszerekbe.
• Etikai és szabályozási szempontok kezelése az okosvárosi telepítések során.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középhaladó szintű informatikai biztonsági szakemberek, rendszergazdák és AI etikai kutatók számára készült, akik biztonságos és etikus módon szeretnék üzembe helyezni az Edge AI megoldásokat.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI-ban felmerülő biztonsági és adatvédelmi kihívásokat.
• Megvalósítani az edge eszközök és adatok biztonságossá tételének legjobb gyakorlatait.
• Stratégiákat kidolgozni az Edge AI üzembe helyezésének biztonsági kockázatainak csökkentésére.
• Etikai megfontolásokkal foglalkozni és a szabályozásoknak való megfelelést biztosítani.
• Biztonsági felméréseket és auditokat végezni Edge AI alkalmazásokon.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszínen) középszintű robotikai mérnökök, autonóm járműfejlesztők és AI kutatók számára készült, akik szeretnék kihasználni az Edge AI előnyeit innovatív autonóm rendszerekhez.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét és előnyeit az autonóm rendszerekben.
• AI modellek fejlesztése és telepítése valós idejű feldolgozáshoz edge eszközökön.
• Edge AI megoldások implementálása autonóm járművekben, drónokban és robotikában.
• Vezérlőrendszerek tervezése és optimalizálása Edge AI segítségével.
• Etikai és szabályozási szempontok kezelése az autonóm AI alkalmazásokban.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű egészségügyi szakemberek, biomérnökök és AI-fejlesztők számára készült, akik szeretnék kihasználni az Edge AI-t innovatív egészségügyi megoldásokhoz.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI szerepét és előnyeit az egészségügyben.
• AI modellek fejlesztése és üzembe helyezése peremhálózati eszközökön egészségügyi alkalmazásokhoz.
• Edge AI megoldások implementálása hordozható eszközökben és diagnosztikai eszközökben.
• Betegmonitorozó rendszerek tervezése és üzembe helyezése Edge AI segítségével.
• Etikai és szabályozási szempontok kezelése az egészségügyi AI alkalmazásokban.

Az Edge AI lehetővé teszi, hogy a mesterséges intelligencia modellek közvetlenül beágyazott vagy erőforráskorlátozott eszközökön fussanak, csökkentve a késleltetést és az energiafogyasztást, miközben növelik az autonómiát és az adatvédelmet a robotikai rendszerekben.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó szintű beágyazott fejlesztők és robotikai mérnökök számára készült, akik gépi tanulási következtetési és optimalizálási technikákat szeretnének közvetlenül robotikai hardvereken implementálni TinyML és edge AI keretrendszerek segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megismerni a TinyML és edge AI alapjait a robotikában.
• AI modellek konvertálása és telepítése eszközön belüli következtetéshez.
• Modellek optimalizálása sebességre, méretre és energiahatékonyságra.
• Edge AI rendszerek integrálása a robotikai vezérlő architektúrákba.
• Teljesítmény és pontosság értékelése valós forgatókönyvekben.

A kurzus formátuma

• Interaktív előadás és vita.
• Gyakorlati gyakorlatok TinyML és edge AI eszközláncok használatával.
• Gyakorlati feladatok beágyazott és robotikai hardver platformokon.

Kurzus testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

A 6G és az Intelligens Edge egy előrelátó képzés, amely a 6G vezeték nélküli technológiák integrációját vizsgálja az edge computinggal, az IoT ökoszisztémákkal és az AI-alapú adatfeldolgozással, hogy intelligens, alacsony késleltetésű és adaptív infrastruktúrákat támogasson.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű IT architektusoknak szól, akik szeretnének megérteni és tervezni a következő generációs elosztott architektúrákat, kihasználva a 6G kapcsolat és az intelligens edge rendszerek szinergiáját.

A képzés elvégzése után a résztvevők képesek lesznek:

• Megérteni, hogyan fogja a 6G átalakítani az edge computing és IoT architektúrákat.
• Tervezni elosztott rendszereket ultra-alacsony késleltetésre, nagy sávszélességre és autonóm működésre.
• Integrálni az AI-t és az adatelemzést az edge szinten intelligens döntéshozatal érdekében.
• Tervezni skálázható, biztonságos és rugalmas, 6G-re kész edge infrastruktúrákat.
• Értékelni az üzleti és működési modelleket, amelyeket a 6G-edge konvergencia tesz lehetővé.

A képzés formátuma

• Interaktív előadások és megbeszélések.
• Esettanulmányok és alkalmazott architektúra tervezési gyakorlatok.
• Gyakorlati szimulációk opcionális edge vagy konténer eszközökkel.

Képzés testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) haladó szintű AI szakembereknek, kutatóknak és fejlesztőknek szól, akik elsajátítani kívánják az Edge AI legújabb fejlesztéseit, optimalizálni szeretnék AI modelljeiket edge eszközökre történő üzembehelyezéshez, és felfedezni szeretnék a különböző iparágakban elérhető speciális alkalmazásokat.

A képzés végére a résztvevők képesek lesznek:

• Felfedezni a fejlett technikákat az Edge AI modellfejlesztésben és optimalizálásban.
• Megvalósítani legújabb stratégiákat AI modellek edge eszközökre történő üzembehelyezéséhez.
• Használni speciális eszközöket és keretrendszereket a fejlett Edge AI alkalmazásokhoz.
• Optimalizálni az Edge AI megoldások teljesítményét és hatékonyságát.
• Felfedezni innovatív használati eseteket és új trendeket az Edge AI területén.
• Kezelni a fejlett etikai és biztonsági kérdéseket az Edge AI üzembehelyezésekben.

A Huawei Ascend CANN eszközkészlete hatékony AI következtetést tesz lehetővé peremhálózati eszközökön, mint például az Ascend 310. A CANN alapvető eszközöket biztosít a modellek fordításához, optimalizálásához és telepítéséhez olyan környezetekben, ahol a számítási kapacitás és a memória korlátozott.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű AI fejlesztők és integrátorok számára készült, akik az Ascend peremhálózati eszközökön szeretnék modelleket telepíteni és optimalizálni a CANN eszközlánc segítségével.

A képzés végére a résztvevők képesek lesznek:

• AI modellek előkészítése és konvertálása az Ascend 310 számára a CANN eszközök segítségével.
• Könnyű súlyú következtetési folyamatok építése a MindSpore Lite és az AscendCL segítségével.
• Modellek teljesítményének optimalizálása korlátozott számítási és memóriás környezetekben.
• AI alkalmazások telepítése és monitorozása valós peremhálózati használati esetekben.

A képzés formátuma

• Interaktív előadás és bemutató.
• Gyakorlati labormunka peremhálózati modellekkel és forgatókönyvekkel.
• Élő telepítési példák virtuális vagy fizikai peremhálózati hardveren.

Képzés testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középszintű fejlesztők, rendszerarchitektusok és ipari szakemberek számára készült, akik szeretnék kihasználni az Edge AI-t az IoT alkalmazások intelligens adatfeldolgozási és elemzési képességeinek fejlesztésére.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI alapjait és annak alkalmazását az IoT területén.
• Edge AI környezetek beállítása és konfigurálása IoT eszközökhöz.
• AI modellek fejlesztése és telepítése peremhálózati eszközökön IoT alkalmazásokhoz.
• Valós idejű adatfeldolgozás és döntéshozatal implementálása IoT rendszerekben.
• Edge AI integrálása különböző IoT protokollokkal és platformokkal.
• Etikai megfontolások és ajánlott eljárások kezelése az Edge AI területén az IoT számára.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középszintű IoT fejlesztők, beágyazott rendszerek mérnökei és AI szakemberek számára készült, akik a TinyML-t szeretnék alkalmazni prediktív karbantartás, anomália detektálás és intelligens érzékelő alkalmazások területén.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a TinyML alapjait és annak IoT-beli alkalmazásait.
• TinyML fejlesztői környezet beállítása IoT projektekhez.
• Gépi tanulási modellek fejlesztése és üzembe helyezése alacsony fogyasztású mikrovezérlőkön.
• Prediktív karbantartás és anomália detektálás implementálása TinyML segítségével.
• TinyML modellek optimalizálása hatékony energia- és memóriahasználat érdekében.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) középszintű fejlesztőknek és IT szakembereknek szól, akik átfogó ismereteket szeretnének szerezni az Edge AI-ról az elmélettől a gyakorlati megvalósításig, beleértve a beállítást és az üzembe helyezést.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI alapvető fogalmait.
• Edge AI környezetek beállítása és konfigurálása.
• Edge AI modellek fejlesztése, betanítása és optimalizálása.
• Edge AI alkalmazások üzembe helyezése és kezelése.
• Edge AI integrálása meglévő rendszerekbe és munkafolyamatokba.
• Etikai megfontolások és ajánlott eljárások az Edge AI megvalósításában.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) középhaladó szintű beágyazott rendszerek mérnökei és AI fejlesztők számára készült, akik gépi tanulási modelleket szeretnének telepíteni mikrovezérlőkre a TensorFlow Lite és az Edge Impulse segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a TinyML alapjait és annak előnyeit a peremhálózati AI alkalmazásokban.
• Fejlesztői környezet beállítása TinyML projektekhez.
• AI modellek betanítása, optimalizálása és telepítése alacsony fogyasztású mikrovezérlőkre.
• TensorFlow Lite és Edge Impulse használata valós TinyML alkalmazások megvalósításához.
• AI modellek optimalizálása energiahatékonyság és memóriamegszorítások szempontjából.

A Cambricon MLU-k (Machine Learning Units) speciális AI chipek, amelyek az inferencia és a tanítás során optimalizáltak edge és adatközponti forgatókönyvekhez.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű fejlesztőknek szól, akik AI modelleket szeretnének építeni és üzembe helyezni a BANGPy keretrendszer és a Neuware SDK segítségével Cambricon MLU hardveren.

A képzés végén a résztvevők képesek lesznek:

• A BANGPy és Neuware fejlesztői környezet beállítására és konfigurálására.
• Python- és C++ alapú modellek fejlesztésére és optimalizálására Cambricon MLU-khoz.
• Modellek üzembe helyezésére edge és adatközponti eszközökön, amelyeken a Neuware fut.
• ML munkafolyamatok integrálására MLU-specifikus gyorsítási funkciókkal.

A képzés formátuma

• Interaktív előadás és vita.
• Gyakorlati alkalmazás a BANGPy és Neuware fejlesztéséhez és üzembe helyezéséhez.
• Irányított gyakorlatok az optimalizálás, integráció és tesztelés területén.

Képzés testreszabási lehetőségei

• Ha egy testreszabott képzést szeretne kérni ezen a kurzuson a Cambricon eszközmodell vagy használati eset alapján, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő szintű fejlesztők és IT szakemberek számára készült, akik szeretnének megismerni az Edge AI alapjait és bevezető alkalmazásait.

A képzés végére a résztvevők képesek lesznek:

• Megérteni az Edge AI alapfogalmait és architektúráját.
• Edge AI környezetek beállítása és konfigurálása.
• Egyszerű Edge AI alkalmazások fejlesztése és üzembe helyezése.
• Az Edge AI használati eseteinek és előnyeinek azonosítása és megértése.