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.
Plan Szkolenia
Wprowadzenie do Edge AI w autonomicznych systemach
- Przegląd Edge AI i jego znaczenia w autonomicznych systemach
- Kluczowe korzyści i wyzwania związane z wdrożeniem Edge AI w autonomicznych systemach
- Aktualne trendy i innowacje w dziedzinie Edge AI dla autonomii
- Zastosowania w świecie rzeczywistym i studia przypadku
Przetwarzanie w czasie rzeczywistym w autonomicznych systemach
- Podstawy przetwarzania danych w czasie rzeczywistym
- Modele AI dla podejmowania decyzji w czasie rzeczywistym
- Obsługa strumieni danych i fuzja sensora
- Praktyczne przykłady i studia przypadku
Edge AI w autonomicznych pojazdach
- Modele AI dla percepcji i kontroli pojazdu
- Tworzenie i wdrażanie rozwiązań AI dla nawigacji w czasie rzeczywistym
- Integracja Edge AI z systemami kontroli pojazdu
- Studia przypadku Edge AI w autonomicznych pojazdach
Edge AI w dronach
- Modele AI dla percepcji i kontroli lotu dronów
- Przetwarzanie danych w czasie rzeczywistym i podejmowanie decyzji w dronach
- Wdrożenie Edge AI dla autonomicznego lotu i unikania przeszkód
- Praktyczne przykłady i studia przypadku
Edge AI w robotyce
- Modele AI dla percepcji i manipulacji robotów
- Przetwarzanie i kontrola w czasie rzeczywistym w systemach robotycznych
- Integracja Edge AI z architekturami kontroli robotów
- Studia przypadku Edge AI w robotyce
Tworzenie modeli AI dla autonomicznych zastosowań
- Przegląd odpowiednich modeli uczenia maszynowego i uczenia głębokiego
- Trenowanie i optymalizacja modeli do wdrożenia na krawędzi
- Narzędzia i ramy dla autonomicznego Edge AI (TensorFlow Lite, ROS, itp.)
- Walidacja i ocena modeli w autonomicznych środowiskach
Wdrażanie rozwiązań Edge AI w autonomicznych systemach
- Krok po kroku wdrażanie modeli AI na różnych urządzeniach krawędziowych
- Przetwarzanie danych i inferencja w czasie rzeczywistym na urządzeniach krawędziowych
- Monitorowanie i zarządzanie wdrożonymi modelami AI
- Praktyczne przykłady wdrażania i studia przypadku
Etyczne i regulacyjne aspekty
- Zapewnienie bezpieczeństwa i niezawodności w autonomicznych systemach AI
- Rozwiązywanie problemów z uprzedzeniami i sprawiedliwością w modelach AI autonomicznych
- Zgodność z regulacjami i standardami w autonomicznych systemach
- Najlepsze praktyki dla odpowiedzialnego wdrażania AI w autonomicznych systemach
Ocena wydajności i optymalizacja
- Techniki oceny wydajności modeli w autonomicznych systemach
- Narzędzia do monitorowania i debugowania w czasie rzeczywistym
- Strategie optymalizacji wydajności modeli AI w autonomicznych zastosowaniach
- Rozwiązywanie problemów z opóźnieniem, niezawodnością i skalowalnością
Innowacyjne przypadki użycia i zastosowania
- Zaawansowane zastosowania Edge AI w autonomicznych systemach
- Szczegółowe studia przypadku w różnych dziedzinach autonomii
- Sukcesy i nabyte doświadczenia
- Przyszłe trendy i możliwości w dziedzinie Edge AI dla autonomii
Praktyczne projekty i ćwiczenia
- Tworzenie kompleksowego zastosowania Edge AI dla autonomicznego systemu
- Projektów i scenariuszy z życia rzeczywistego
- Współpracujące ćwiczenia grupowe
- Prezentacje projektów i opinie zwrotne
Podsumowanie i następne kroki
Wymagania
- Zrozumienie pojęć sztucznej inteligencji i uczenia maszynowego
- Doświadczenie w programowaniu (rekomendowane jest Python)
- Znajomość robotyki, systemów autonomicznych lub pokrewnych technologii
Grupa docelowa
- Inżynierowie robotyki
- Twórcy pojazdów autonomicznych
- Badacze sztucznej inteligencji
14 godzin