Edge AI Kurs i Uppsala

Denna instruktörsledda, liveträning i Uppsala (online eller på plats) är inriktad på avancerade AI-forskare, datavetare och säkerhetsspecialister som vill implementera tekniker för federerad inlärning för att träna AI-modeller på flera edge-enheter samtidigt som de bevarar datasekretessen.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå principerna och fördelarna med federerad inlärning i Edge AI.
• Implementera modeller för federerad inlärning med hjälp av TensorFlow Federated och PyTorch.
• Optimera AI-utbildning över distribuerade edge-enheter.
• Ta itu med utmaningar när det gäller dataskydd och säkerhet inom federerad inlärning.
• Distribuera och övervaka system för federerad inlärning i verkliga tillämpningar.

Denna instruktörsledda, liveträning i Uppsala (online eller på plats) riktar sig till agritech-professionella på nybörjar- till intervjunnivå, IoT-specialister och AI-ingenjörer som vill utveckla och distribuera Edge AI lösningar för smart jordbruk.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen som Edge AI i precisionsjordbruket.
• Implementera AI-drivna system för övervakning av grödor och boskap.
• Utveckla automatiserade bevattnings- och miljösensorluftslösningar.
• Optimera jordbruksverksamheten med hjälp av realtidsanalys av Edge AI.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till cybersäkerhetsproffs på avancerad nivå, AI-ingenjörer och IoT-utvecklare som vill implementera robusta säkerhetsåtgärder och motståndskraftstrategier för Edge AI system.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå säkerhetsrisker och sårbarheter i Edge AI-distributioner.
• Implementera krypterings- och autentiseringstekniker för dataskydd.
• Utforma motståndskraftiga Edge AI-arkitekturer som kan motstå cyberhot.
• Tillämpa säkra strategier för implementering av AI-modeller i gränsmiljöer.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till nybörjarnivå till mellannivå detaljhandelteknologer, AI-utvecklare och affärsanalytiker som önskar tillämpa Edge AI lösningar för smarta kassa-system, lagerhantering och personlig kundengagemang.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå hur Edge AI förbättrar detaljhandelsverksamheten och kundupplevelsen.
• Implementera AI-drivna smarta kassa- och kassörsfria betalningssystem.
• Optimera lagerhanteringen med realtidsövervakning och analys.
• Utnyttja datorseende och AI för personliga upplevelser i butiker.

Denna instruktörsledda, liveträning i Uppsala (online eller på plats) riktar sig till telekomproffs på mellannivå, AI-ingenjörer och IoT-specialister som vill utforska hur 5G nätverk accelererar Edge AI applikationer.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i 5G teknik och dess påverkan på Edge AI.
• Distribuera AI-modeller som är optimerade för låg latensapplikationer i 5G miljöer.
• Implementera system för realtidsbeslutande med Edge AI och 5G anslutning.
• Optimera AI-arbetsbelastningar för effektiv prestanda på edge-enheter.

Denna instruktörsledda, liveutbildning på plats Uppsala (online eller på plats) riktar sig till mellan- och avancerade AI-utvecklare för inbyggda system och specialister inom edge computing som vill finjustera och optimera lättvikts AI-modeller för distribution på resursbegränsade enheter.

Efter avslutad utbildning kommer deltagarna att kunna:

• Välja och anpassa förtränade modeller som lämpar sig för edge-distribution.
• Tillämpa kvantisering, beskärning och andra kompressionstekniker för att minska modellstorlek och fördröjning.
• Finjustera modeller med hjälp av transfer learning för uppgiftsspecifik prestanda.
• Distribuera optimerade modeller på verkliga edge-hardwareplattformar.

Denna instruktörledda, virtuella utbildning i Uppsala (online eller på plats) riktar sig till datorvisionsingenjörer, AI-utvecklare och IoT-proffs på medelnivå till avancerad nivå som vill implementera och optimera datorvisionsmodeller för realtidsbearbetning på edge-enheter.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i Edge AI och dess tillämpningar inom datorseende.
• Deploya optimerade djupa inlärningsmodeller på edge-enheter för realtidsanalys av bilder och video.
• Använda ramverk som TensorFlow Lite, OpenVINO och NVIDIA Jetson SDK för modellutplacering.
• Optimera AI-modeller för prestanda, energieffektivitet och inferens med låg latens.

This instructor-led, live training in Uppsala (online or onsite) is aimed at intermediate-level embedded engineers, IoT developers, and AI researchers who wish to implement TinyML techniques for AI-powered applications on energy-efficient hardware.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI.
• Deploy lightweight AI models on microcontrollers.
• Optimize AI inference for low-power consumption.
• Integrate TinyML with real-world IoT applications.

Den här instruktörsledda, liveträningen i Uppsala (online eller på plats) riktar sig till robotingenjörer på medelnivå till avancerad nivå, AI-utvecklare och automatiseringsspecialister som vill implementera Edge AI för robotikapplikationer.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen av Edge AI i autonoma system.
• Distribuera AI-modeller på edge-enheter för realtidsrobotik.
• Optimera AI-prestanda för beslutsfattande med låg latens.
• Integrera datorseende och sensorfusion för robotautonomi.

Denna instruktörsledda, liveträning i Uppsala (online eller på plats) riktar sig till AI-ingenjörer på avancerad nivå, inbäddade utvecklare och hårdvaruingenjörer som vill implementera AI-modeller på lågenergi-enheter utan att öka energiförbrukningen.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå utmaningarna med att köra AI på energieffektiva enheter.
• Optimera neurala nätverk för lågströmsinference.
• Utnyttja tekniker för kvantisering, beskärning och modellkomprimering.
• Distribuera AI-modeller på edge-hårdvara med minimal effektanvändning.

Denna instruktörledda, liveträning i Uppsala (online eller på plats) riktar sig till AI-utvecklare på mellanliggande nivå, inbyggda ingenjörer och robotikingenjörer som vill optimera och distribuera AI-modeller på NVIDIA Jetson-plattformar för edge-applikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i edge AI och NVIDIA Jetson-hårdvara.
• Optimera AI-modeller för distribution på edge-enheter.
• Använda TensorRT för att påskynda deep learning-inferens.
• Distribuera AI-modeller med JetPack SDK och ONNX Runtime.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till AI-utvecklare på mellannivå, maskininlärningsingenjörer och systemarkitekter som vill optimera AI-modeller för edge-distribution.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå utmaningarna och kraven för att distribuera AI-modeller på gränsenheter.
• Tillämpa modellkomprimeringstekniker för att minska storleken och komplexiteten hos AI-modeller.
• Använd kvantiseringsmetoder för att förbättra modellens effektivitet på edge-hårdvara.
• Implementera rensning och andra optimeringstekniker för att förbättra modellens prestanda.
• Distribuera optimerade AI-modeller på olika gränsenheter.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till utvecklare på mellannivå, datavetare och teknikentusiaster som vill få praktiska färdigheter i att distribuera AI-modeller på edge-enheter för olika applikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå principerna för Edge AI och dess fördelar.
• Konfigurera databehandlingsmiljön på gränsenheter.
• Utveckla, träna och optimera AI-modeller för gränsdistribution.
• Implementera praktiska AI-lösningar på gränsenheter.
• Utvärdera och förbättra prestanda för gränsdistribuerade modeller.
• Ta itu med etiska överväganden och säkerhetsöverväganden i Edge AI-program.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till finansproffs på mellannivå, fintech-utvecklare och AI-specialister som vill implementera Edge AI-lösningar inom finansiella tjänster.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen för Edge AI inom finansiella tjänster.
• Implementera system för identifiering av bedrägerier med hjälp av Edge AI.
• Förbättra kundservicen genom AI-drivna lösningar.
• Använd Edge AI för riskhantering och beslutsfattande.
• Distribuera och hantera Edge AI-lösningar i finansiella miljöer.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till industriingenjörer på mellannivå, tillverkningsproffs och AI-utvecklare som vill implementera Edge AI-lösningar inom industriell automation.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen för Edge AI i industriell automation.
• Implementera lösningar för förutsägande underhåll med hjälp av Edge AI.
• Tillämpa AI-tekniker för kvalitetskontroll i tillverkningsprocesser.
• Optimera industriella processer med hjälp av Edge AI.
• Distribuera och hantera Edge AI-lösningar i industriella miljöer.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till utvecklare på mellannivå, datavetare och AI-utövare som vill utnyttja TensorFlow Lite för Edge AI-applikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i TensorFlow Lite och dess roll i Edge AI.
• Utveckla och optimera AI-modeller med hjälp av TensorFlow Lite.
• Distribuera TensorFlow Lite-modeller på olika gränsenheter.
• Använda verktyg och tekniker för modellkonvertering och optimering.
• Implementera praktiska Edge AI-applikationer med TensorFlow Lite.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till stadsplanerare på mellannivå, civilingenjörer och projektledare för smarta städer som vill utnyttja Edge AI för smarta stadsinitiativ.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen för Edge AI i smarta stadsinfrastrukturer.
• Implementera Edge AI-lösningar för trafikhantering och övervakning.
• Optimera urbana resurser med hjälp av Edge AI-teknik.
• Integrera Edge AI med befintliga system för smarta städer.
• Ta itu med etiska och regulatoriska överväganden i distributioner av smarta städer.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till cybersäkerhetsproffs på mellannivå, systemadministratörer och AI-etikforskare som vill säkra och etiskt distribuera Edge AI-lösningar.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå säkerhets- och sekretessutmaningarna i Edge AI.
• Implementera metodtips för att skydda gränsenheter och data.
• Utveckla strategier för att minska säkerhetsrisker i Edge AI-distributioner.
• Beakta etiska överväganden och se till att regelverk följs.
• Utför säkerhetsutvärderingar och granskningar för Edge AI-program.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till robotingenjörer på mellannivå, utvecklare av autonoma fordon och AI-forskare som vill utnyttja Edge AI för innovativa autonoma systemlösningar.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen och fördelarna med Edge AI i autonoma system.
• Utveckla och distribuera AI-modeller för realtidsbearbetning på gränsenheter.
• Implementera Edge AI-lösningar i autonoma fordon, drönare och robotik.
• Designa och optimera styrsystem med hjälp av Edge AI.
• Ta itu med etiska och regulatoriska överväganden i autonoma AI-tillämpningar.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till vårdpersonal på mellannivå, biomedicinska ingenjörer och AI-utvecklare som vill utnyttja Edge AI för innovativa hälso- och sjukvårdslösningar.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen och fördelarna med Edge AI inom hälso- och sjukvården.
• Utveckla och distribuera AI-modeller på gränsenheter för hälso- och sjukvårdsprogram.
• Implementera Edge AI-lösningar i bärbara enheter och diagnostikverktyg.
• Utforma och distribuera patientövervakningssystem med hjälp av Edge AI.
• Ta itu med etiska och regulatoriska överväganden i AI-tillämpningar för hälso- och sjukvård.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till AI-utövare, forskare och utvecklare på avancerad nivå som vill behärska de senaste framstegen inom Edge AI, optimera sina AI-modeller för edge-distribution och utforska specialiserade applikationer inom olika branscher.

I slutet av denna utbildning kommer deltagarna att kunna:

• Utforska avancerade tekniker inom utveckling och optimering av AI-modeller för gränsenheter.
• Implementera banbrytande strategier för att distribuera AI-modeller på gränsenheter.
• Använd specialiserade verktyg och ramverk för avancerade Edge AI-applikationer.
• Optimera prestanda och effektivitet för Edge AI-lösningar.
• Utforska innovativa användningsfall och nya trender inom Edge AI.
• Hantera avancerade etiska överväganden och säkerhetsöverväganden i Edge AI-distributioner.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till utvecklare på mellannivå, systemarkitekter och branschfolk som vill utnyttja Edge AI för att förbättra IoT-applikationer med intelligenta databehandlings- och analysfunktioner.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i Edge AI och dess tillämpning i IoT.
• Konfigurera Edge AI-miljöer för IoT-enheter.
• Utveckla och distribuera AI-modeller på gränsenheter för IoT-program.
• Implementera databehandling och beslutsfattande i realtid i IoT-system.
• Integrera Edge AI med olika IoT-protokoll och plattformar.
• Ta itu med etiska överväganden och metodtips i Edge AI för IoT.

Denna instruktörledda, live utbildning i Uppsala (online eller på plats) riktar sig till IoT-utvecklare på mellanliggande nivå, inbäddade ingenjörer och AI-utövare som vill implementera TinyML för förutsägelseunderhåll, avvikelsetidning och smarta sensortillämpningar.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i TinyML och dess tillämpningar inom IoT.
• Ställa in en TinyML utvecklingsmiljö för IoT-projekt.
• Utveckla och distribuera ML-modeller på energisnåla mikrokontroller.
• Implementera förutsägelseunderhåll och avvikelsetidning med hjälp av TinyML.
• Optimera TinyML modeller för effektiv kraft- och minnesanvändning.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till utvecklare och IT-proffs på mellannivå som vill få en omfattande förståelse för Edge AI från koncept till praktisk implementering, inklusive installation och distribution.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen för Edge AI.
• Konfigurera Edge AI-miljöer.
• Utveckla, träna och optimera Edge AI-modeller.
• Distribuera och hantera Edge AI-program.
• Integrera Edge AI med befintliga system och arbetsflöden.
• Ta itu med etiska överväganden och bästa praxis vid implementering av AI på gränsenheter.

Denna instruktörsledda, digitala utbildning i Uppsala vänder sig till ingenjörer med system kunnig och AI-utvecklare på mellannivå som vill deploya maskininlärningsmodeller på mikrokontroller med hjälp av TensorFlow Lite och Edge Impulse.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i TinyML och dess fördelar för edge AI-applikationer.
• Ställa in en utvecklingsmiljö för TinyML-projekt.
• Träna, optimera och distribuera AI-modeller på lågenergimikrokontroller.
• Use TensorFlow Lite och Edge Impulse för att implementera verkliga TinyML-applikationer.
• Optimera AI-modeller för energieffektivitet och minnesbegränsningar.

Cambricon MLUs (Machine Learning Enheter) är specialiserade AI-kretsar optimerade för inferens och träning i kanten och datacenter-scenarier.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare på mellannivå som vill bygga och distribuera AI-modeller med hjälp av BANGPy-ramverket och Neuware SDK på Cambricon MLU-hårdvara.

Vid utbildningens slut kommer deltagarna att kunna:

• Installera och konfigurera BANGPy- och Neuware-utvecklingsmiljöer.
• Utveckla och optimera Python- och C++-baserade modeller för Cambricon MLUs.
• Distribuera modeller till kants- och datacenter-enheter som kör Neuware-runtime.
• Integrera ML-arbetsflöden med MLU-specifika accelerationsegenskaper.

Kursens format

• Interaktiv föreläsning och diskussion.
• Hands-on användning av BANGPy och Neuware för utveckling och distribution.
• Ledda övningar med fokus på optimering, integration och testning.

Alternativ för kursanpassning

• För att begära en anpassad utbildning för denna kurs baserat på din Cambricon-enhetsmodell eller användningsfall, vänligen kontakta oss för att ordna.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till utvecklare och IT-proffs på nybörjarnivå som vill förstå grunderna i Edge AI och dess introduktionsapplikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen och arkitekturen för Edge AI.
• Konfigurera Edge AI-miljöer.
• Utveckla och distribuera enkla Edge AI-program.
• Identifiera och förstå användningsfallen och fördelarna med Edge AI.