Plan Szkolenia

Wprowadzenie do Edge AI i NVIDIA Jetson

  • Przegląd aplikacji brzegowych AI
  • Wprowadzenie do sprzętu NVIDIA Jetson
  • Komponenty JetPack SDK i środowisko programistyczne

Konfiguracja środowiska programistycznego

  • Instalacja JetPack SDK i konfiguracja płyty Jetson
  • Zrozumienie TensorRT i optymalizacja modelu
  • Konfiguracja środowiska uruchomieniowego

Optymalizacja modeli AI pod kątem wdrażania Edge

  • Techniki kwantyzacji i przycinania modeli
  • Używanie TensorRT do przyspieszania modeli
  • Konwersja modeli do formatu ONNX

Wdrażanie modeli AI na urządzeniach Jetson

  • Uruchamianie wnioskowania za pomocą TensorRT
  • Integracja modeli AI z aplikacjami czasu rzeczywistego
  • Optymalizacja wydajności i zmniejszanie opóźnień

Computer Vision i Deep Learning na urządzeniach Jetson

  • Wdrażanie modeli klasyfikacji obrazu i wykrywania obiektów
  • Wykorzystanie sztucznej inteligencji do analizy wideo w czasie rzeczywistym
  • Wdrażanie aplikacji robotyki opartych na sztucznej inteligencji

Bezpieczeństwo i optymalizacja wydajności Edge AI

  • Zabezpieczanie modeli AI na urządzeniach brzegowych
  • Wydajność energetyczna i zarządzanie temperaturą
  • Skalowanie aplikacji AI na platformach Jetson

Wdrażanie projektów i rzeczywisty świat Use Case

  • Tworzenie rozwiązania IoT opartego na sztucznej inteligencji
  • Wdrażanie sztucznej inteligencji w systemach autonomicznych
  • Studia przypadków sztucznej inteligencji na urządzeniach brzegowych

Podsumowanie i kolejne kroki

Wymagania

  • Doświadczenie w szkoleniu i wnioskowaniu modeli AI
  • Podstawowa znajomość systemów wbudowanych
  • Znajomość programowania Python

Uczestnicy

  • Programiści AI
  • Inżynierowie systemów wbudowanych
  • Inżynierowie Robotics
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie