Kursplan

Introduksjon til Edge AI

  • Definisjon og sentrale begreper
  • Forskjeller mellom Edge AI og Cloud AI
  • Fordeler og utfordringer med Edge AI
  • Oversikt over Edge AI-applikasjoner

Edge AI-arkitektur

  • Komponenter av Edge AI-systemer
  • Krav til maskinvare og programvare
  • Dataflyt i Edge AI-applikasjoner
  • Integrasjon med eksisterende systemer

Sette opp Edge AI-miljøet

  • Introduksjon til Edge AI-plattformer (Raspberry Pi, NVIDIA Jetson, etc.)
  • Installere nødvendig programvare og biblioteker
  • Konfigurere utviklingsmiljøet
  • Initialiserer Edge AI-oppsettet

Utvikle Edge AI-modeller

  • Oversikt over maskinlærings- og dyplæringsmodeller for edge-enheter
  • Treningsmodeller spesielt for edge-distribusjon
  • Teknikker for å optimalisere modeller for kantenheter
  • Verktøy og rammeverk for Edge AI-utvikling (TensorFlow Lite, OpenVINO osv.)

Data Management og forbehandling for Edge AI

  • Datainnsamlingsteknikker for kantmiljøer
  • Dataforbehandling og utvidelse for edge-enheter
  • Administrere datapipelines på edge-enheter
  • Sikre personvern og sikkerhet for data i avanserte miljøer

Implementering av Edge AI-applikasjoner

  • Trinn for å distribuere modeller på ulike kantenheter
  • Teknikker for å overvåke og administrere utplasserte modeller
  • Sanntidsdatabehandling og inferens på kantenheter
  • Kasusstudier og praktiske eksempler på utplassering

Integrering av Edge AI med IoT-systemer

  • Koble til Edge AI-løsninger med IoT-enheter og sensorer
  • Communication protokoller og datautvekslingsmetoder
  • Bygge en ende-til-ende Edge AI og IoT-løsning
  • Praktiske eksempler og brukssaker

Use Cases og applikasjoner

  • Bransjespesifikke applikasjoner av Edge AI
  • Dybde casestudier innen helsevesen, bilindustri og smarte hjem
  • Suksesshistorier og lærdom
  • Fremtidige trender og muligheter i Edge AI

Etiske vurderinger og beste praksis

  • Sikre personvern og sikkerhet i Edge AI-implementeringer
  • Ta tak i skjevheter og rettferdighet i Edge AI-modeller
  • Overholdelse av forskrifter og standarder
  • Beste praksis for ansvarlig AI-distribusjon

Praktiske prosjekter og øvelser

  • Utvikle en kompleks Edge AI-applikasjon
  • Prosjekter og scenarier i den virkelige verden
  • Samarbeidsgruppeøvelser
  • Prosjektpresentasjoner og tilbakemeldinger

Sammendrag og neste trinn

Krav

  • En forståelse av grunnleggende AI og maskinlæringskonsepter
  • Erfaring med programmeringsspråk (Python anbefales)
  • Kjennskap til edge computing og IoT-konsepter

Publikum

  • Utviklere
  • IT-fagfolk
 14 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories