Kursplan

Avancerade begrepp inom Edge AI

  • Djupdykning i Edge AI-arkitektur
  • Jämförande analys av Edge AI och molnbaserad AI
  • Senaste trender och framväxande tekniker inom Edge AI
  • Avancerade användningsfall och tillämpningar

Avancerade teknik för modelloptimering

  • Kvantisering och beskärning för enhetskantiga enheter
  • Kunskapsdistillation för lätta modeller
  • Överföringsinlärning för Edge AI-tillämpningar
  • Automatisering av modelloptimeringar

Avancerade distributionsstrategier

  • Containerisering och orkestrering för Edge AI
  • Distribuera AI-modeller med hjälp av Edge-beräkningsplattformar (t.ex., Edge TPU, Jetson Nano)
  • Real-tidsinferens och låglatenslösningar
  • Hantera uppdateringar och skalbarhet på kantenheter

Specialiserade verktyg och ramverk

  • Uppleva avancerade verktyg (t.ex., TensorFlow Lite, OpenVINO, PyTorch Mobile)
  • Använda maskinvaruspecifika optimeringar
  • Integrera AI-modeller med specialiserad kantmaskinvara
  • Fallstudier av verktyg i användning

Prestandatuning och övervakning

  • Tekniker för prestandebenchmarking på kantenheter
  • Verktyg för real-tidsövervakning och felsökning
  • Hantera latens, genomströmning och energieffektivitet
  • Strategier för kontinuerlig optimering och underhåll

Innovativa användningsfall och tillämpningar

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

Avancerade etiska och säkerhetsöverväganden

  • Säkerställa robust säkerhet i Edge AI-implementeringar
  • Hantera komplexa etiska frågor inom AI vid kanten
  • Implementera integritetsskyddande AI-tekniker
  • Efterlevnad av avancerade regelverk och branschstandarder

Praktiska projekt och avancerade övningar

  • Utveckla och optimera ett komplext Edge AI-applikation
  • Verkliga projekt och avancerade scenarier
  • Samarbetsövningar och innovationsutmaningar
  • Projektpresentationer och expertåterkoppling

Sammanfattning och nästa steg

Krav

  • Djupgående förståelse för AI och maskinlärningskoncept
  • Skicklighet i programmeringsspråk (Python rekommenderas)
  • Erfarenhet av edge computing och att distribuera AI-modeller på edge-enheter

Målgrupp

  • AI-praktiker
  • Forskare
  • Utvecklare
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier