Kursplan

Introduktion till Edge AI och IoT

  • Definition och nyckelbegrepp för Edge AI
  • Översikt över IoT-system och arkitekturer
  • Fördelar och utmaningar med att integrera Edge AI med IoT
  • Verkliga tillämpningar och användningsfall

Edge AI-arkitektur för IoT

  • Komponenter i Edge AI-system för IoT
  • Krav på maskinvara och programvara
  • Dataflöde i Edge AI-aktiverade IoT-program
  • Integration med befintliga IoT-system

Konfigurera AI- och IoT-miljön för gränsenheter

  • Introduktion till populära IoT-plattformar (t.ex. Arduino, Raspberry Pi, NVIDIA Jetson)
  • Installera nödvändig programvara och bibliotek
  • Konfigurera utvecklingsmiljön
  • Initiera Edge AI- och IoT-konfigurationen

Utveckla AI-modeller för IoT-enheter

  • Översikt över maskininlärnings- och djupinlärningsmodeller för gränsenheter och IoT
  • Träna och optimera modeller för IoT-distribution
  • Verktyg och ramverk för Edge AI-utveckling (TensorFlow Lite, OpenVINO, etc.)
  • Tekniker för modellkomprimering och optimering

Data Management och förbehandling i IoT

  • Datainsamlingstekniker för IoT-miljöer
  • Förbearbetning och förstärkning av data för gränsenheter
  • Hantera datapipelines på IoT-enheter
  • Säkerställa datasekretess och säkerhet i IoT-miljöer

Distribuera AI-modeller för gränsenheter på IoT-enheter

  • Steg för att distribuera AI-modeller på IoT Edge-enheter
  • Tekniker för övervakning och hantering av distribuerade modeller
  • Databearbetning och slutsatsdragning i realtid på IoT-enheter
  • Fallstudier och praktiska exempel på införande

Integrera Edge AI med IoT-protokoll och IoT-plattformar

  • Översikt över IoT-kommunikationsprotokoll (MQTT, CoAP, HTTP, etc.)
  • Ansluta Edge AI-lösningar med IoT-sensorer och -ställdon
  • Skapa heltäckande Edge AI- och IoT-lösningar
  • Praktiska exempel och användningsfall

Use Cases och applikationer

  • Branschspecifika tillämpningar av Edge AI i IoT
  • Fördjupade fallstudier inom smarta hem, industriell IoT, hälso- och sjukvård med mera
  • Framgångshistorier och lärdomar
  • Framtida trender och möjligheter inom Edge AI för IoT

Etiska överväganden och bästa praxis

  • Säkerställa sekretess och säkerhet i Edge AI- och IoT-distributioner
  • Hantering av partiskhet och rättvisa i AI-modeller
  • Överensstämmelse med regler och standarder
  • Metodtips för ansvarsfull AI-distribution i IoT

Praktiska projekt och övningar

  • Utveckla ett komplext Edge AI-program för IoT
  • Verkliga projekt och scenarier
  • Gemensamma gruppövningar
  • Projektpresentationer och återkoppling

Sammanfattning och nästa steg

Krav

  • En förståelse för grundläggande AI- och maskininlärningskoncept
  • Erfarenhet av programmeringsspråk (Python rekommenderas)
  • Kunskaper om IoT-begrepp och -tekniker

Publik

  • IoT-utvecklare
  • Systemarkitekter
  • Branschfolk
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier