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

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie