Kursplan

Introduction to Edge AI

  • Definisjon og sentrale begreper
  • Forskjeller mellom Edge AI og Cloud AI
  • Fordeler og utfordringer med Edge AI
  • Oversikt over Edge AI-applikasjoner

Edge AI-arkitektur

  • Komponenter av Edge AI-systemer
  • Krav til maskinvare og programvare
  • Dataflyt i Edge AI-applikasjoner
  • Integrasjon med eksisterende systemer

Sette opp Edge AI-miljøet

  • Introduction to Edge AI plattformer (Raspberry Pi, NVIDIA Jetson, etc.)
  • Installere nødvendig programvare og biblioteker
  • Konfigurere utviklingsmiljøet
  • Initialiserer Edge AI-oppsettet

Utvikle Edge AI-modeller

  • Oversikt over maskinlærings- og dyplæringsmodeller
  • Treningsmodeller for edge-distribusjon
  • Modelloptimeringsteknikker
  • Verktøy og rammeverk for Edge AI-utvikling

Implementering av Edge AI-applikasjoner

  • Trinn for distribusjon av modeller på kantenheter
  • Overvåke og administrere utplasserte modeller
  • Sanntidsdatabehandling og inferens
  • Kasusstudier og eksempler

Use Caseer og applikasjoner

  • Bransjespesifikke applikasjoner av Edge AI
  • Kasusstudier innen helsevesen, bilindustri og smarte hjem
  • Suksesshistorier og lærdom
  • Fremtidige trender og muligheter i Edge AI

Etiske vurderinger og beste praksis

  • Sikre personvern og sikkerhet i Edge AI
  • Ta opp skjevhet og rettferdighet
  • Overholdelse av forskrifter og standarder
  • Beste praksis for ansvarlig AI-distribusjon

Praktiske prosjekter og øvelser

  • Utvikle en enkel Edge AI-applikasjon
  • Prosjekter og scenarier i den virkelige verden
  • Samarbeidsgruppeøvelser
  • Prosjektpresentasjoner og tilbakemeldinger

Sammendrag og neste trinn

Krav

  • En forståelse av grunnleggende AI og maskinlæringskonsepter
  • Erfaring med programmeringsspråk (Python anbefales)
  • Kjennskap til generelle datakonsepter

Publikum

  • Utviklere
  • IT-fagfolk
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories