Edge AI Kurs i Uppsala

Denna instruktörsledda, levande utbildning på Uppsala (online eller på plats) riktar sig till avancerade AI-forskare, datavetenskapsmän och säkerhetsexperter som vill implementera federated learning-tekniker för att träna AI-modeller över flera edge-enheter samtidigt som datasekretsen bevaras.

Vid utbildningens slut kommer deltagarna att kunna:

• Förstå principerna och fördelarna med federated learning inom Edge AI.
• Implementera federated learning-modeller med hjälp av TensorFlow Federated och PyTorch.
• Optimerar AI-träning över distribuerade edge-enheter.
• Hantera utmaningar med datasekrets och säkerhet i federated learning.
• Distribuera och övervaka federated learning-system i praktiska tillämpningar.

Denna instruktörsledda, live-träning på Uppsala (online eller på plats) riktar sig till agritech-professionella, IoT-specialister och AI-ingenjörer på nybörjarnivå till mellannivå som vill utveckla och distribuera Edge AI-lösningar för smart jordbruk.

Vid kursens slut kommer deltagarna att kunna:

• Förstå rollen för Edge AI i precision jordbruk.
• Implementera AI-drivna system för övervakning av odlingar och boskap.
• Utveckla automatiserade bevattnings- och miljöövervakningssystem.
• Optimera jordbrukseffektivitet med hjälp av realtidsanalys av Edge AI.

Denna ledarstyrda, liveutbildning på Uppsala (online eller på plats) riktar sig till avancerade cybersäkerhetsprofessionella, AI-ingenjörer och IoT-utvecklare som vill implementera robusta säkerhetsåtgärder och strategier för motståndskraft för Edge AI-system.

Efter denna utbildning kommer deltagarna att kunna:

• Förstå säkerhetsrisker och sårbarheter i Edge AI-utplaceringar.
• Implementera krypterings- och autentiseringsmetoder för dataskydd.
• Designa motståndskraftiga Edge AI-arkitekturer som kan motstå cyberhot.
• Tillämpa säkra AI-modellutplaceringsstrategier i edge-miljöer.

Denna instruktörledda, live-utbildning på Uppsala (online eller på plats) riktar sig till nybörjare till mellanstadieteknologer inom detaljhandel, AI-utvecklare och affärsanalytiker som vill tillämpa Edge AI-lösningar för smarta kassasystem, lagervärdshantering och personifierad kundinteraktion.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå hur Edge AI förbättrar detaljhandelsoperationer och kundupplevelse.
• Implementera AI-drivna smarta kassasystem och kassalösa betalningssystem.
• Optimerar lagervärdshantering med realtidsövervakning och analys.
• Använda datorseende och AI för personifierade upplevelser i butik.

Denna ledareledda, live utbildning på Uppsala (online eller på plats) riktar sig till telekommunikationsprofessionella, AI-ingenjörer och IoT-specialister på mellannivå som vill utforska hur 5G-nätverk accelererar Edge AI-applikationer.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i 5G-teknologi och dess inverkan på Edge AI.
• Deploy AI-modeller som optimerats för låglatensapplikationer i 5G-miljöer.
• Implementera system för realtidsbeslutsfattande med hjälp av Edge AI och 5G-konnektivitet.
• Optimerar AI-arbetsbelastningar för effektiv prestanda på kantenheter.

Denna instruktörledda, live-utbildning i Uppsala (online eller på plats) riktar sig till mellannivå-utvecklare inom inbyggd AI och specialister inom edge computing som vill finjustera och optimera lättviktiga AI-modeller för distribution på resursbegränsade enheter.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Välja och anpassa förtränade modeller som är lämpliga för edge-distribution.
• Tillämpa kvantisering, trimning och andra kompressionstekniker för att minska modellstorlek och latens.
• Finjustera modeller med hjälp av transfer learning för uppgiftsspecifik prestanda.
• Distribuera optimerade modeller på verkliga edge-hardvarplattformar.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datorseendeingenjörer, AI-utvecklare och IoT-professionella på mellan- till avancerad nivå som vill implementera och optimera datorseendemodeller för realtidsbearbetning på edge-enheter.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå grunderna i Edge AI och dess tillämpningar inom datorseende.
• Distribuera optimerade djupinlärningsmodeller på edge-enheter för realtidsanalys av bilder och videor.
• Använda ramverk som TensorFlow Lite, OpenVINO och NVIDIA Jetson SDK för modelldistribution.
• Optimera AI-modeller för prestanda, energieffektivitet och låg-latensinferens.

Denna instruktörsledda, liveutbildning i Uppsala (online eller på plats) riktar sig till mellanavancerade inbyggda ingenjörer, IoT-utvecklare och AI-forskare som vill implementera TinyML-tekniker för AI-kraftiga applikationer på energieffektiv hårdvara.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå grunderna i TinyML och edge AI.
• Distribuera lättviktiga AI-modeller på mikrocontroller.
• Optimerar AI-inferens för låg energiförbrukning.
• Integrera TinyML med verkliga IoT-applikationer.

Denna instruktörsledda, live-utbildning på Uppsala (online eller på plats) riktar sig till robotikingenjörer, AI-utvecklare och automatiseringsspecialister på mellan- och avancerad nivå som vill implementera Edge AI för robotikanvändningar.

Efter denna utbildning kommer deltagarna att kunna:

• Förstå rollen av Edge AI i autonoma system.
• Distribuera AI-modeller på kantenheter för robotik i realtid.
• Optimera AI-prestanda för beslutsfattande med låg latens.
• Integrera datorseende och sensorfusion för robotisk autonomi.

Denna instruktörsledda, levande utbildning i Uppsala (online eller på plats) riktar sig till avancerade AI-ingenjörer, inbyggda utvecklare och hårdvaruingenjörer som vill implementera AI-modeller på lågkraftsförbrukande enheter medan energiförbrukningen minimeras.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå utmaningarna med att köra AI på energieffektiva enheter.
• Optimerar neurala nätverk för lågkraftsinferens.
• Använder kvantisering, beskärning och modellkomprimeringstekniker.
• Distribuerar AI-modeller på kanthårdvara med minimal strömförbrukning.

Denna instruktörsledda, live-utbildning (online eller på plats) riktar sig till AI-utvecklare, inbyggda systemingenjörer och robotikingenjörer på mellan-nivå som vill optimera och distribuera AI-modeller på NVIDIA Jetson-plattformar för kantapplikationer.

Efter denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i kant-AI och NVIDIA Jetson-hårdvara.
• Optimera AI-modeller för distribution på kant-enheter.
• Använda TensorRT för att accelerera djupinlärningsinferens.
• Distribuera AI-modeller med JetPack SDK och ONNX Runtime.

Denna instruktörsledda, live-träning (online eller på plats) riktar sig till AI-utvecklare, maskininlärningsingenjörer och systemarkitekter på mellan-nivå som vill optimerar AI-modeller för implementation på edge-enheter.

Vid slutet av denna träning kommer deltagarna att kunna:

• Förstå utmaningarna och kraven för att implementera AI-modeller på edge-enheter.
• Tillämpa modellkomprimeringstekniker för att minska storleken och komplexiteten hos AI-modeller.
• Använda kvantiseringsmetoder för att förbättra modellens effektivitet på edge-hårdvara.
• Implementera beskärning och andra optimeringsmetoder för att förbättra modellprestanda.
• Implementera optimerade AI-modeller på olika edge-enheter.

Denna instruktörledda, levande utbildning på plats Uppsala (online eller på plats) riktar sig till utvecklare, datavetare och teknikentusiaster på mellannivå som vill förvärva praktiska färdigheter i att distribuera AI-modeller på kant-enheter för olika applikationer.

Vid kursens slut kommer deltagarna att kunna:

• Förstå principerna för Edge AI och dess fördelar.
• Konfigurera och installera miljö för kantberäkning.
• Utveckla, träna och optimerar AI-modeller för distribution på kant-enheter.
• Implementera praktiska AI-lösningar på kant-enheter.
• Utvärdera och förbättra prestandan hos modeller som distribuerats på kant-enheter.
• Hantera etiska och säkerhetsaspekter i Edge AI-applikationer.

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

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå rollen för Edge AI inom finansiella tjänster.
• Implementera bedrägeriupptäckningssystem med Edge AI.
• Förbättra kundservice genom AI-drivna lösningar.
• Använda Edge AI för riskhantering och beslutsfattande.
• Distribuera och hantera Edge AI-lösningar i finansiella miljöer.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till industrialingenjörer, tillverkare och AI-utvecklare med mellanavancerad nivå som vill implementera Edge AI-lösningar i industriell automatisering.

Efter avslutad utbildning kommer deltagarna att kunna:

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

Edge AI är implementationen av artificiella intelligensmodeller direkt på enheter och maskiner på nätverkets kant, vilket möjliggör realtidsbeslutsfattande med minimal fördröjning.

Denna instruktörsledda, live-utbildning (online eller på plats) riktar sig till avancerade embedded- och IoT-professionella som vill distribuera AI-aktiverade logik- och styrsystem i tillverkningsmiljöer där hastighet, pålitlighet och offline-funktionalitet är avgörande.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå arkitekturen och fördelarna med edge AI-system.
• Bygga och optimera AI-modeller för implementation på embedded-enheter.
• Använda verktyg som TensorFlow Lite och OpenVINO för låg-latens-inferens.
• Integrera edge-intelligens med sensorer, aktuatorer och industriella protokoll.

Format på kursen

• Interaktiv föreläsning och diskussion.
• Många övningar och praktik.
• Praktisk implementation i en live-labbmiljö.

Alternativ för kursanpassning

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Denna kurs i ledande undervisning (online eller på plats) vänder sig till utvecklare, datavetare och AI-praktiker på mellanavancerad nivå 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 inom Edge AI.
• Utveckla och optimera AI-modeller med TensorFlow Lite.
• Distribuera TensorFlow Lite-modeller på olika kantenheter.
• Använda verktyg och tekniker för modellkonvertering och optimering.
• Implementera praktiska Edge AI-applikationer med TensorFlow Lite.

Denna instruktörsledda, live-träning (online eller på plats) riktar sig till mellannivåurbana planerare, civilingenjörer och smart city-projektledare som vill utnyttja Edge AI för smart city-initiativ.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå rollen för Edge AI i smart city-infrastrukturer.
• Implementera Edge AI-lösningar för trafikhantering och övervakning.
• Optimera stadsresurser med hjälp av Edge AI-teknologier.
• Integrera Edge AI med befintliga smart city-system.
• Hantera etiska och regleringsmässiga överväganden vid smart city-implementeringar.

Denna ledare ledda, live utbildning i Uppsala (online eller på plats) riktar sig till cybersäkerhetsprofessionella på mellan nivå, systemadministratörer och forskare inom AI-etik som vill säkra och etiskt distribuera Edge AI-lösningar.

Efter denna utbildning kommer deltagarna att kunna:

• Förstå säkerhets- och integritetskraven i Edge AI.
• Implementera bästa praxis för att säkra kant-enheter och data.
• Utveckla strategier för att minska säkerhetsrisker i Edge AI-distributioner.
• Ta itu med etiska överväganden och säkerställa överensstämmelse med regler.
• Utföra säkerhetsbedömningar och revisioner för Edge AI-applikationer.

Denna instruktörsledda, levande utbildning (online eller på plats) riktar sig till robotikingenjörer, autonoma fordonstekniker och AI-forskare på mellannivå som vill dra nytta av Edge AI för innovativa autonoma systemlösningar.

Vid kursens slut kommer deltagarna att kunna:

• Förstå rollen och fördelarna med Edge AI i autonoma system.
• Utveckla och distribuera AI-modeller för realtidsbearbetning på edge-enheter.
• Implementera Edge AI-lösningar i autonoma fordon, droner och robotik.
• Designa och optimera styrsystem med hjälp av Edge AI.
• Hantera etiska och regleringsmässiga överväganden i autonoma AI-applikationer.

Denna ledda, live-träning (online eller på plats) riktar sig till mellan- och avancerade vårdprofessionella, biomedicinstekniker och AI-utvecklare som vill dra nytta av Edge AI för innovativa lösningar inom hälso- och sjukvård.

Efter avslutad träning kommer deltagarna att kunna:

• Förstå rollen och fördelarna med Edge AI inom hälso- och sjukvård.
• Utveckla och distribuera AI-modeller på edge-enheter för hälso- och sjukvårdsapplikationer.
• Implementera Edge AI-lösningar i bärbara enheter och diagnostiska verktyg.
• Utforma och distribuera patientövervakningssystem med hjälp av Edge AI.
• Hantera etiska och regleringsmässiga överväganden i AI-applikationer inom hälso- och sjukvård.

Denna instruktörledda, levande utbildning (online eller på plats) riktar sig till avancerade AI-praktiker, forskare och utvecklare som vill bemästra de senaste framstegen inom Edge AI, optimera sina AI-modeller för kantdistribution och utforska specialiserade tillämpningar över olika branscher.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Utforska avancerade tekniker inom utveckling och optimering av Edge AI-modeller.
• Implementera framkanten strategier för distribution av AI-modeller på kantenheter.
• Använda specialiserade verktyg och ramverk för avancerade Edge AI-tillämpningar.
• Optimera prestanda och effektivitet hos Edge AI-lösningar.
• Utforska innovativa användningsfall och nyhetsutvecklingar inom Edge AI.
• Behandla avancerade etiska och säkerhetsaspekter vid distribution av Edge AI.

Huaweis Ascend CANN-verktygspaket möjliggör kraftfulla AI-inferenser på kant-enheter såsom Ascend 310. CANN erbjuder viktiga verktyg för kompilering, optimering och distribution av modeller där beräkning och minne är begränsade.

Denna instruktörsledda, levande utbildning (online eller på plats) vänder sig till AI-utvecklare och integratörer på mellannivå som vill distribuera och optimera modeller på Ascend kant-enheter med hjälp av CANN-verktygskedjan.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förbereda och konvertera AI-modeller för Ascend 310 med hjälp av CANN-verktyg.
• Bygga lättviktsinferenspipeliner med hjälp av MindSpore Lite och AscendCL.
• Optimera modellprestanda för begränsade beräknings- och minnesmiljöer.
• Distribuera och övervaka AI-applikationer i verkliga användningsområden på kanten.

Utbildningsformat

• Interaktiv föreläsning och demonstration.
• Praktiska laborationsarbeten med kant-specifika modeller och scenarier.
• Levande distributionsexempel på virtuell eller fysisk kant-hårdvara.

Alternativ för kursanpassning

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare på mellannivå, systemarkitekter och branschprofessionella som vill utnyttja Edge AI för att förbättra IoT-applikationer med intelligent datahantering och analytiska förmågor.

Efter denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i Edge AI och dess tillämpning inom IoT.
• Konfigurera och konfigurera Edge AI-miljöer för IoT-enheter.
• Utveckla och distribuera AI-modeller på kantelement för IoT-applikationer.
• Implementera realtidsdatahantering och beslutsfattande i IoT-system.
• Integrera Edge AI med olika IoT-protokoll och plattformar.
• Ta hänsyn till etiska överväganden och bästa praxis för Edge AI inom 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, live-training (online eller på plats) är riktad till mellannivåutvecklare och IT-professionella som vill få en omfattande förståelse för Edge AI från koncept till praktisk implementering, inklusive uppsättning och distribution.

Genom denna utbildning kommer deltagarna att kunna:

• Förstå grundläggande begrepp om Edge AI.
• Sätta upp och konfigurera Edge AI-miljöer.
• Utveckla, träna och optimera Edge AI-modeller.
• Distribuera och hantera Edge AI-applikationer.
• Integrera Edge AI med befintliga system och arbetsflöden.
• Behandla etiska överväganden och bästa praxis vid implementering av Edge AI.

Denna instruktörsledda, liveutbildning på plats eller online riktar sig till mellanavancerade inbäddade systemingenjörer och AI-utvecklare som vill distribuera maskininlärningsmodeller på mikrokontrollers med hjälp av TensorFlow Lite och Edge Impulse.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå grunderna i TinyML och dess fördelar för AI-applikationer på kanten.
• Konfigurera en utvecklingsmiljö för TinyML-projekt.
• Träna, optimera och distribuera AI-modeller på lågeffektmikrokontrollers.
• Använda TensorFlow Lite och Edge Impulse för att implementera verkliga TinyML-applikationer.
• Optimera AI-modeller för strömförbrukningseffektivitet 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 ledarledda, live-utbildning på plats Uppsala (online eller på plats) är avsedd för utvecklare och IT-professionella på nybörjarnivå som vill förstå grunderna i Edge AI och dess inledande tillämpningar.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå de grundläggande begreppen och arkitekturen för Edge AI.
• Installera och konfigurera Edge AI-miljöer.
• Utveckla och distribuera enkla Edge AI-applikationer.
• Identifiera och förstå användningsfall och fördelar med Edge AI.