Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till Edge och Agentic AI
- Översikt över agentic AI och edge computing
- Övergångstider, integritet och bandbreddsöverväganden
- Arkitekturell jämförelse: moln- vs edge-agenter
Design av lätta agentic arkitekturer
- Att bryta ner agentens loop för begränsade system
- Asynkron design för effektiv beräkning
- Balansera autonomi och koppling
Installation av utvecklingsmiljön
- Installation av Python-ramverk för edge AI
- Konfigurering av TensorFlow Lite och PyTorch Mobile
- Distribution av testmiljöer på Raspberry Pi eller liknande enheter
Implementering av on-device inferens
- Konvertering och kvantisering av modeller för edge-distribution
- Körande av inferens med TensorFlow Lite och ONNX Runtime
- Integration av inferensresultat i agentic beslutsloop
Integration av agenter med hårdvara och IoT
- Anslutning av sensorer, aktuatorer och IoT-moduler
- Lokal datainsamling och behandlingspipeliner
- Offlineläge och händelsestyrd beteende
Optimering och övervakning
- Prestandaoptimering för låg effekt och hög hastighet
- Edge caching och teknik för modellkompression
- Övervakning och felsökning av edge-agenter
Hands-on-projekt: Distribution av en lätt agent på edge-hårdvara
- Design av en liten autonom agent för en IoT- eller robotikuppgift
- Implementering av modellinferens och lokal logik
- Testning och optimering för latens och tillförlitlighet
Sammanfattning och nästa steg
Krav
- Erfarenhet av programmering i Python
- Grundläggande förståelse för machine learning-flöden
- Kännedom om inbäddade eller edge computing-koncept
Målgrupp
- Inbäddade utvecklare som integrerar AI i hårdvarusystem
- Edge ML-ingenjörer som designar on-device inferenslösningar
- Robotikteam som distribuerar agentic AI för autonom drift
21 Timmar
