Kursplan

Introduktion till Edge och Agenta AI

  • Översikt över agenta AI och edge-baserade beräkningar
  • Latens, integritet och bandbredd överväganden
  • Arkitekturjämförelse: moln vs. edge-agenter

Utformning av Lättviktiga Agentarkitekture

  • Att bryta ned agent-loopen för begränsade system
  • Asynkron design för effektiv beräkning
  • Balansera autonomi och anslutning

Konfigurera Utvecklingsmiljön

  • Installera Python-frameworks för edge AI
  • Konfigurera TensorFlow Lite och PyTorch Mobile
  • Distribuera testmiljöer på Raspberry Pi eller liknande enheter

Implementering av On-Device Inferens

  • Konvertera och kvantisera modeller för edge-distribution
  • Kör inferens med TensorFlow Lite och ONNX Runtime
  • Integrera inferensresultat i agentbeslutsloopen

Integration av Agenter med Hårdvara och IoT

  • Koppla sensorer, aktuatorer och IoT-moduler
  • Lokal datainsamling och bearbetningspipeline
  • Offline-drift och händelsesanordnad beteende

Optimering och Övervakning

  • Prestandatuning för låg energianvändning och hög hastighet
  • Edge-cache och modellkomprimerings tekniker
  • Övervakning och felsökning av edge-agenter

Handson-Projekt: Distribuera en Lättviktig Agent på Edge-Hårdvara

  • Utforma en liten autonom agent för ett IoT- eller robotikuppgift
  • Implementera modellinferens och lokal logik
  • Testa och optimera för latens och tillförlitlighet

Sammanfattning och Nästa Steg

Krav

  • Erfarenhet av Python-programmering
  • Grundläggande förståelse för maskininlärningsarbetsflöden
  • Bekantskap med inbyggda eller edge-baserade beräkningskoncept

Målgrupp

  • Inbyggnadsutvecklare som integrerar AI i hårdvarasystem
  • Edge ML-ingenjörer som utformar on-device inferenslösningar
  • Robotikteam som distribuerar agenta AI för autonom drift
 21 timmar

Antal deltagare


Pris per deltagare

Kommande Kurser

Relaterade Kategorier