Kursplan

Avancerade koncept inom Edge AI

  • Djupdykning i Edge AI-arkitektur
  • Jämförande analys av Edge AI och moln-AI
  • De senaste trenderna och ny teknik inom Edge AI
  • Avancerade användningsfall och applikationer

Avancerade tekniker för modelloptimering

  • Kvantisering och rensning för gränsenheter
  • Kunskapsdestillation för lättviktsmodeller
  • Överför inlärning för AI-gränsprogram
  • Automatisera modelloptimeringsprocesser

Banbrytande distributionsstrategier

  • Containerisering och orkestrering för Edge AI
  • Distribuera AI-modeller med hjälp av edge computing-plattformar (t.ex. Edge TPU, Jetson Nano)
  • Lösningar för slutsatsdragning i realtid och låg latens
  • Hantera uppdateringar och skalbarhet på gränsenheter

Specialiserade verktyg och ramverk

  • Utforska avancerade verktyg (t.ex. TensorFlow Lite, OpenVINO, PyTorch Mobile)
  • Använda maskinvaruspecifika optimeringsverktyg
  • Integrera AI-modeller med specialiserad gränsmaskinvara
  • Fallstudier av verktyg i praktiken

Justering och övervakning av prestanda

  • Tekniker för prestandatest på gränsenheter
  • Verktyg för övervakning och felsökning i realtid
  • Hantera svarstid, dataflöde och energieffektivitet
  • Strategier för löpande optimering och underhåll

Innovativa Use Cases och applikationer

  • Branschspecifika tillämpningar av avancerad Edge AI
  • Smarta städer, autonoma fordon, industriell IoT, hälso- och sjukvård med mera
  • Fallstudier av framgångsrika Edge AI-implementeringar
  • Framtida trender och forskningsriktningar inom Edge AI

Avancerade etiska och säkerhetsmässiga överväganden

  • Säkerställa robust säkerhet i Edge AI-distributioner
  • Hantering av komplexa etiska frågor inom AI vid gränsen
  • Implementering av integritetsbevarande AI-tekniker
  • Överensstämmelse med avancerade regler och branschstandarder

Praktiska projekt och avancerade övningar

  • Utveckla och optimera ett komplext Edge AI-program
  • Verkliga projekt och avancerade scenarier
  • Kollaborativa gruppövningar och innovationsutmaningar
  • Projektpresentationer och expertrespons

Sammanfattning och nästa steg

Krav

  • Fördjupad förståelse för AI- och maskininlärningskoncept
  • Kunskaper i programmeringsspråk (Python rekommenderas)
  • Erfarenhet av databehandling på gränsenheter och distribution av AI-modeller på gränsenheter

Publik

  • AI-utövare
  • Forskare
  • Utvecklare
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier