Kursplan

Introduktion till Edge AI och NVIDIA Jetson

  • Översikt över Edge AI- applikationer
  • Introduktion till NVIDIA Jetson- hårdvara
  • JetPack SDK-komponenter och utvecklingsmiljö

Konfiguration av Utvecklingsmiljö

  • Installering av JetPack SDK och konfiguration av Jetson-plattan
  • Förståelse av TensorRT och modelloptimering
  • Konfiguration av körningsmiljö

Optimering av AI-modeller för Edge-implementering

  • Tekniker för kvantisering och beskärning av modeller
  • Användning av TensorRT för modellacceleration
  • Omvandling av modeller till ONNX-format

Implementering av AI-modeller på Jetson-enheter

  • Körning av inferens med TensorRT
  • Integration av AI-modeller med realtidsapplikationer
  • Optimering av prestanda och minskning av latens

Databehandling och djuplärning på Jetson

  • Implementering av bildklassificerings- och objektdetektionsmodeller
  • Användning av AI för realtidsvideoanalys
  • Implementering av AI- styrda robotikapplikationer

Säkerhet och prestandoptimerings för Edge AI

  • Säkring av AI-modeller på Edge-enheter
  • Effektivitet och termisk hantering
  • Skalning av AI-applikationer på Jetson-plattformar

Projektimplementering och reella användningsfall

  • Byggande av AI-drivna IoT-lösningar
  • Implementering av AI i autonoma system
  • Fallstudier av AI på Edge-enheter

Sammanfattning och nästa steg

Krav

  • Erfarenhet av AI-modellträning och inferens
  • Grundläggande kunskaper om inbyggda system
  • Bekantskap med Python-programmering

Målgrupp

  • AI-utvecklare
  • Inbyggda systemingenjörer
  • Robotikingenjörer
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier