Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Schița de curs
Introducere în Edge AI
- Definiție și concepte cheie
- Diferențe între Edge AI și cloud AI
- Beneficii și cazuri de utilizare a Edge AI
- Prezentare generală a dispozitivelor și platformelor de margine
Configurarea mediului Edge
- Introducere în dispozitivele de margine (Raspberry Pi, NVIDIA Jetson etc.)
- Instalarea software-ului și a bibliotecilor necesare
- Configurarea mediului de dezvoltare
- Pregătirea hardware-ului pentru implementarea AI
Dezvoltarea modelelor de inteligență artificială pentru Edge
- Prezentare generală a modelelor de învățare automată și de învățare profundă pentru dispozitivele de margine
- Tehnici pentru antrenarea modelelor în medii locale și în cloud
- Optimizarea modelelor pentru implementarea în edge (cuantificare, pruning, etc.)
- Instrumente și cadre pentru dezvoltarea AI pentru Edge (TensorFlow Lite, OpenVINO, etc.)
Implementarea modelelor de AI pe dispozitive de margine
- Pași pentru implementarea modelelor AI pe diverse echipamente hardware de margine
- Prelucrarea datelor în timp real și inferența pe dispozitivele de margine
- Monitorizarea și gestionarea modelelor implementate
- Exemple practice și studii de caz
Soluții și proiecte practice de AI
- Dezvoltarea de aplicații AI pentru dispozitive de margine (de exemplu, viziune computerizată, procesarea limbajului natural)
- Proiect practic: Construirea unui sistem de camere inteligente
- Proiect practic: Implementarea recunoașterii vocale pe dispozitive periferice
- Proiecte de grup colaborative și scenarii din lumea reală
Evaluarea și optimizarea performanțelor
- Tehnici de evaluare a performanțelor modelelor pe dispozitive de margine
- Instrumente de monitorizare și depanare a aplicațiilor AI de margine
- Strategii de optimizare a performanței modelelor de AI
- Abordarea provocărilor legate de latență și de consumul de energie
Integrarea cu sistemele IoT
- Conectarea soluțiilor AI de margine cu dispozitivele și senzorii IoT
- Protocoale Communication și metode de schimb de date
- Construirea unei soluții Edge AI și IoT de tip end-to-end
- Exemple practice de integrare
Considerații de ordin etic și de securitate
- Asigurarea confidențialității și securității datelor în aplicațiile Edge AI
- Abordarea prejudecăților și a corectitudinii în modelele AI
- Conformitatea cu reglementările și standardele
- Cele mai bune practici pentru o implementare responsabilă a AI
Proiecte practice și exerciții practice
- Dezvoltarea unei aplicații Edge AI cuprinzătoare
- Proiecte și scenarii din lumea reală
- Exerciții de colaborare în grup
- Prezentări de proiecte și feedback
Rezumat și pași următori
Cerințe
- Înțelegerea conceptelor de inteligență artificială și învățare automată
- Experiență cu limbaje de programare (Python recomandat)
- Familiaritate cu conceptele de edge computing
Audiență
- Dezvoltatorii
- Oameni de știință în domeniul datelor
- Pasionați de tehnologie
14 ore
Mărturii (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
