Plan Szkolenia

Wprowadzenie do Edge AI w środowiskach przemysłowych

  • Dlaczego przetwarzanie brzegowe ma znaczenie w produkcji
  • Porównanie z AI opartym na chmurze
  • Zastosowania w wizji, przewidywaniu awarii i sterowaniu

Platformy sprzętowe i ograniczenia na poziomie urządzeń

  • Przegląd popularnego sprzętu brzegowego (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Zagadnienia dotyczące przetwarzania, pamięci i zasilania
  • Wybór odpowiedniej platformy dla typu aplikacji

Rozwój i optymalizacja modeli dla Edge

  • Techniki kompresji, przycinania i kwantyzacji modeli
  • Korzystanie z TensorFlow Lite i ONNX do wdrożenia na urządzeniach wbudowanych
  • Równowaga między dokładnością a szybkością w ograniczonych środowiskach

Wizja komputerowa i fuzja sensorów na krawędzi

  • Wizyjna inspekcja i monitorowanie na krawędzi
  • Integracja danych z wielu czujników (wibracje, temperatura, kamery)
  • Wykrywanie anomalii w czasie rzeczywistym z Edge Impulse

Komunikacja i wymiana danych

  • Korzystanie z MQTT do przemysłowego przesyłania wiadomości
  • Integracja z systemami SCADA, OPC-UA i PLC
  • Bezpieczeństwo i odporność w komunikacji brzegowej

Wdrożenie i testowanie w terenie

  • Pakowanie i wdrażanie modeli na urządzeniach brzegowych
  • Monitorowanie wydajności i zarządzanie aktualizacjami
  • Studium przypadku: pętla decyzyjna w czasie rzeczywistym z lokalnym sterowaniem

Skalowanie i utrzymanie systemów Edge AI

  • Strategie zarządzania urządzeniami brzegowymi
  • Zdalne aktualizacje i cykle ponownego szkolenia modeli
  • Zagadnienia dotyczące cyklu życia wdrożeń przemysłowych

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie systemów wbudowanych lub architektur IoT
  • Doświadczenie w programowaniu w Pythonie lub C/C++
  • Znajomość tworzenia modeli uczenia maszynowego

Odbiorcy

  • Programiści systemów wbudowanych
  • Zespoły zajmujące się przemysłowym IoT
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie