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.
Návrh Školení
Úvod do Edge AI pro počítačový zpracování obrazu
- Přehled o Edge AI a jeho výhodách
- Porovnání: Cloud AI vs. Edge AI
- Klíčové výzvy v reálném čase zpracování obrazu
Nasazování deep learning modelů na hraničních zařízeních
- Úvod do TensorFlow Lite a OpenVINO
- Optimalizace a kvantizace modelů pro nasazení na hraničních zařízeních
- Případová studie: Spuštění YOLOv8 na hraničním zařízení
Hardware pro zrychlení reálného času inferencí
- Přehled o hardwaru hraničního výpočetního zařízení (Jetson, Coral, FPGA)
- Využití zrychlování GPU a TPU
- Benchmarking a hodnocení výkonu
Detekce a sledování objektů v reálném čase
- Implementace detekce objektů pomocí modelů YOLO
- Sledování pohybujících se objektů v reálném čase
- Zlepšení přesnosti detekce pomocí fúze senzorů
Optimalizační techniky pro Edge AI
- Snížení velikosti modelu s využitím odřezávání a kvantizace
- Techniky pro snížení zpoždění a spotřeby energie
- Přehození a další učení modelů Edge AI
Integrace Edge AI s systémy IoT
- Nasazování AI modelů na inteligentní kamery a zařízení IoT
- Edge AI a rozhodování v reálném čase
- Komunikace mezi hraničními zařízeními a cloudovými systémy
Bezpečnost a etické aspekty ve Edge AI
- Starosti s ochranou údajů v aplikacích Edge AI
- Zajištění bezpečnosti modelů proti nepřátelským útokům
- Dodržování pravidel pro AI a principů etického užívání AI
Shrnutí a další kroky
Požadavky
- Znalost konceptů počítačového vidění
- Zkušenosti s Pythonem a hlubokými učícími frameworky
- Základní znalosti výpočetní techniky na okraji a IoT zařízeních
Cílová skupina
- Inženýři pro počítačové vidění
- Vývojáři AI
- Odborníci v oblasti IoT
21 hodiny
Reference (1)
I genuinely enjoyed the hands-on approach.