Návrh Školení

Úvod do Edge AI v průmyslových prostředích

  • Proč krajní výpočet (edge computing) je důležitý v výrobním sektoru
  • Porovnání s cloudovou umělou inteligencí (AI)
  • Užitkové případy ve vizuálním zpracování, prediktivní údržbě a řízení

Hardwareová platformy a omezení zařadovatelných zařízení

  • Přehled běžné krajní hardware (NVIDIA Jetson, Intel NUC)
  • Zvážení výpočetních kapacit, paměti a spotřeby energie
  • Výběr správné platformy pro typ aplikace

Vyvoj a optimalizace modelů pro krajní výpočet (edge)

  • Techniky komprese, zřízování a kvantizace modelů
  • Použití TensorFlow Lite a ONNX pro nasazení v zařazeném prostředí
  • Hluboké rozměny přesnosti proti rychlosti v omezujících se podmínkách

Computer Vision a Sensor Fusion na kraji sítě (edge)

  • Vizuální kontrola a monitorování založené na krajním výpočtu
  • Integrace dat ze více senzorů (vibrace, teplota, kamery)
  • Detekce anomálií v reálném čase s Edge Impulse

Communication a výměna dat

  • Použití MQTT pro průmyslové zprávy
  • Integrace s SCADA, OPC-UA a systémy PLC
  • Bezpečnost a odolnost v komunikaci na kraji sítě (edge)

Nasazení a testování v praxi

  • Balení a nasazování modelů na krajní zařízení
  • Monitorování výkonu a správa aktualizací
  • Případová studie: reálné časové rozhodovací smyčka s místním pohonem

Rozšiřování a udržování Edge AI systémů

  • Stratégie správy krajních zařízení
  • Vzdálené aktualizace a cykly reškolení modelu
  • Rozhodovací faktory pro nasazení v průmyslovém prostředí

Závěr a další kroky

Požadavky

  • Přehled o vložených systémech nebo architekturách IoT
  • Zkušenosti s Python nebo C/C++ programováním
  • Orientace ve vývoji modelů strojového učení

Cílová skupina

  • Vložení vývojáři
  • Týmy pro průmyslové IoT
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie