Kursplan

Introduktion till Edge AI

  • Definition och nyckelbegrepp
  • Skillnader mellan Edge AI och Cloud AI
  • Fördelar och utmaningar med Edge AI
  • Översikt över Edge AI-ansökningar

Edge AI-arkitektur

  • Komponenter i Edge AI-system
  • Hård- och mjukvarukrav
  • Dataflöde i Edge AI-ansökningar
  • Integration med befintliga system

Installation av Edge AI-miljö

  • Introduktion till Edge AI-plattformar (Raspberry Pi, NVIDIA Jetson, etc.)
  • Installation av nödvändiga program och bibliotek
  • Konfiguration av utvecklingsmiljö
  • Initiativtagande av Edge AI-installation

Utveckling av Edge AI-modeller

  • Översikt över maskininlärnings- och djupinlärningsmodeller
  • Träning av modeller för edge-distribution
  • Optimeringstekniker för modeller
  • Verktyg och ramverk för Edge AI-utveckling

Distribution av Edge AI-ansökningar

  • Steg för distribution av modeller på edge-enheter
  • Övervakning och hantering av distribuerade modeller
  • Real-time datahantering och inferens
  • Fallstudier och exempel

Användningsområden och ansökningar

  • Branchspecifika ansökningar av Edge AI
  • Fallstudier inom hälsovård, bilindustrin och smarta hem
  • Framgångssagor och lärdomar
  • Framtida trender och möjligheter inom Edge AI

Etiska överväganden och bästa praxis

  • Säkerställande av integritet och säkerhet i Edge AI
  • Behandling av fördomar och rättvisa
  • Efterlevnad av regler och standarder
  • Bästa praxis för ansvarsfull AI-distribution

Pratiska projekt och övningar

  • Utveckling av en enkel Edge AI-ansökning
  • Verkliga projekt och scenarier
  • Samlingsövningar i grupp
  • Projektpresentationer och feedback

Sammanfattning och nästa steg

Krav

  • En förståelse för grundläggande AI- och maskininlärningskoncept
  • Erfarenhet av programmeringsspråk (Python rekommenderas)
  • Kunskaper om allmänna datorbegrepp

Publik

  • Utvecklare
  • IT-proffs
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier