Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till Edge AI i autonoma system
- Översikt över Edge AI och dess betydelse för autonoma system
- Nyckelfördelar och utmaningar med att implementera Edge AI i autonoma system
- Aktuella trender och innovationer inom Edge AI för autonomi
- Verkliga tillämpningar och fallstudier
Real-tidsbehandling i autonoma system
- Grundläggande principer för real-tidsdatanbehandling
- AI-modeller för real-tidsbeslut
- Hantering av dataströmmar och sensorfusion
- Praktiska exempel och fallstudier
Edge AI i autonoma fordon
- AI-modeller för fordonsperception och styrning
- Utveckling och distribuering av AI-lösningar för real-tidsnavigering
- Integration av Edge AI med fordonsstyrsystem
- Fallstudier av Edge AI i autonoma fordon
Edge AI i droner
- AI-modeller för dronperception och flygningskontroll
- Real-tidsdatanbehandling och beslutsfattande i droner
- Implementering av Edge AI för autonom flygning och hinderundvikande
- Praktiska exempel och fallstudier
Edge AI i robotik
- AI-modeller för robotperception och manipulation
- Real-tidsbehandling och kontroll i robotiska system
- Integration av Edge AI med robotkontrollarkitekturer
- Fallstudier av Edge AI i robotik
Utveckling av AI-modeller för autonoma tillämpningar
- Översikt över relevanta maskininlärnings- och djupinlärningsmodeller
- Träning och optimering av modeller för edge-distribuering
- Verktyg och ramverk för autonom Edge AI (TensorFlow Lite, ROS, etc.)
- Modellvalidering och utvärdering i autonoma miljöer
Distribuering av Edge AI-lösningar i autonoma system
- Steg för att distribuera AI-modeller på olika edge-hårdvaror
- Real-tidsdatanbehandling och inferens på edge-enheter
- Övervakning och hantering av distribuerade AI-modeller
- Praktiska distributionsexempel och fallstudier
Etiska och reglerande överväganden
- Säkerställande av säkerhet och pålitlighet i autonoma AI-system
- Hantering av bias och rättvisa i autonoma AI-modeller
- Efterlevnad av regler och standarder för autonoma system
- Bästa praxis för ansvarsfull AI-distribuering i autonoma system
Prestandautvärdering och optimering
- Tekniker för att utvärdera modellprestanda i autonoma system
- Verktyg för real-tidsövervakning och felsökning
- Strategier för att optimera AI-modellprestanda i autonoma tillämpningar
- Hantering av latens, pålitlighet och skalbarhetsutmaningar
Innovativa användningsområden och tillämpningar
- Avancerade tillämpningar av Edge AI i autonoma system
- Djupgående fallstudier i olika autonoma domäner
- Lyckade fall och lärdomar
- Framtida trender och möjligheter inom Edge AI för autonomi
Praktiska projekt och övningar
- Utveckling av en omfattande Edge AI-ansökan för ett autonomt system
- Verkliga projekt och scenarier
- Samarbetsövningar i grupper
- Projektpresentationer och återkoppling
Sammanfattning och nästa steg
Krav
- Förståelse för AI- och maskininlärningskoncept
- Erfarenhet av programmeringsspråk (Python rekommenderas)
- Kännedom om robotik, autonoma system eller relaterade teknologier
Målgrupp
- Robotikingenjörer
- Utvecklare av autonoma fordon
- AI-forskare
14 timmar
