Szkolenia Edge AI w Toruń

To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla zaawansowanych badaczy sztucznej inteligencji, naukowców danych i specjalistów ds. bezpieczeństwa, którzy chcą wdrażać techniki federated learning do szkolenia modeli AI na wielu urządzeniach brzegowych, zachowując prywatność danych.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć zasady i korzyści z federated learning w Edge AI.
• Wdrażać modele federated learning za pomocą TensorFlow Federated i PyTorch.
• Optymalizować szkolenie AI na rozproszonych urządzeniach brzegowych.
• Zadbać o wyzwania związane z prywatnością danych i bezpieczeństwem w federated learning.
• Wdrażać i monitorować systemy federated learning w realnych aplikacjach.

Szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest przeznaczone dla początkujących do średnio zaawansowanych profesjonalistów z dziedziny agritechu, specjalistów IoT i inżynierów AI, którzy chcą rozwijać i wdrażać rozwiązania Edge AI dla inteligentnego rolnictwa.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rolę Edge AI w precyzyjnym rolnictwie.
• Wdrożyć systemy monitorowania upraw i hodowli zwierząt napędzane sztuczną inteligencją.
• Rozwinąć automatyczne systemy nawadniania i czujników środowiskowych.
• Optymalizować wydajność rolniczą za pomocą analizy Edge AI w czasie rzeczywistym.

To szkolenie prowadzone przez instruktora, w trybie Toruń (online lub stacjonarnie), jest skierowane do zaawansowanych profesjonalistów z zakresu cyberbezpieczeństwa, inżynierów AI oraz developerów IoT, którzy chcą wdrożyć solidne środki zabezpieczeń i strategie odpornościowe dla systemów Edge AI.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć ryzyka bezpieczeństwa i podatności w wdrożeniach Edge AI.
• Wdrożyć techniki szyfrowania i uwierzytelniania dla ochrony danych.
• Projektować odporne architektury Edge AI, które mogą wytrzymać cyberzagrożenia.
• Zastosować strategie wdrażania bezpiecznych modeli AI w środowiskach Edge.

To szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest przeznaczone dla początkujących do średnio zaawansowanych technologów handlu detalicznego, developerów AI oraz analityków biznesowych, którzy chcą zastosować rozwiązania Edge AI dla inteligentnych systemów kasowych, zarządzania zapasami oraz personalizowanego zaangażowania klientów.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Zrozumieć, jak Edge AI poprawia operacje w handlu detalicznym i doświadczenia klienta.
• Wdrożyć systemy kasowe oparte na sztucznej inteligencji i płatności bez kasjera.
• Optymalizować zarządzanie zapasami za pomocą śledzenia i analizy w czasie rzeczywistym.
• Wykorzystywać wizję komputerową i sztuczną inteligencję do personalizowanych doświadczeń w sklepach stacjonarnych.

To szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest skierowane do telekomunikacyjnych profesjonalistów średniozaawansowanych, inżynierów AI oraz specjalistów IoT, którzy chcą poznać, jak sieci 5G przyspieszają aplikacje Edge AI.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy technologii 5G i jej wpływ na Edge AI.
• Wdrażać modele AI optymalizowane dla aplikacji o niskiej opóźnieniu w środowiskach 5G.
• Wdawać systemy decyzyjne w czasie rzeczywistym za pomocą Edge AI i łączności 5G.
• Optymalizować obciążenia AI dla efektywnej wydajności na urządzeniach Edge.

Trening prowadzony przez instruktora w formie Toruń (online lub stacjonarnie) jest skierowany do specjalistów w dziedzinie AI wbudowanej i obliczeń na krawędzi, którzy chcą dopracowywać i optymalizować lekkie modele AI do wdrażania na urządzeniach o ograniczonych zasobach.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Wybrać i dostosować wstępnie wytrenowane modele nadające się do wdrażania na krawędzi.
• Zastosować techniki kwantyzacji, obcinania oraz inne metody kompresji w celu zmniejszenia rozmiaru modelu i opóźnień.
• Dopracowywać modele za pomocą transfer learning w celu uzyskania wydajności specyficznej dla zadania.
• Wdrażać optymalizowane modele na rzeczywistych platformach sprzętowych krawędzi.

Szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest skierowane do inżynierów komputerowego wzroku, developerów AI i profesjonalistów IoT na poziomie średniozaawansowanym do zaawansowanym, którzy chcą wdrażać i optymalizować modele komputerowego wzroku do przetwarzania w czasie rzeczywistym na urządzeniach krawędziowych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy Edge AI i jej zastosowania w komputerowym wzroku.
• Wdrażać optymalizowane modele uczenia głębokiego na urządzeniach krawędziowych do analizy obrazów i wideo w czasie rzeczywistym.
• Korzystać z frameworków takich jak TensorFlow Lite, OpenVINO i NVIDIA Jetson SDK do wdrażania modeli.
• Optymalizować modele AI pod kątem wydajności, efektywności energetycznej i niskiego opóźnienia wnioskowania.

To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla inżynierów embedded na poziomie średniozaawansowanym, programistów IoT i badaczy AI, którzy chcą wdrożyć techniki TinyML dla aplikacji wspomaganych sztuczną inteligencją na energoszczędnym sprzęcie.

Po ukończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy TinyML i sztucznej inteligencji na krańcach sieci.
• Wdrażać lekkie modele AI na mikrokontrolerach.
• Optymalizować wnioskowanie AI dla niskiego zużycia energii.
• Integrować TinyML z rzeczywistymi aplikacjami IoT.

To szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest przeznaczone dla robotyków na poziomie średniozaawansowanym do zaawansowanym, deweloperów AI oraz specjalistów ds. automatyzacji, którzy chcą wdrożyć Edge AI w zastosowaniach robotycznych.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rolę Edge AI w autonomicznych systemach.
• Wdrożyć modele AI na urządzeniach Edge do robotyki w czasie rzeczywistym.
• Optymalizować wydajność AI do podejmowania decyzji o niskim opóźnieniu.
• Integrować komputerowe widzenie i fuzję czujników do autonomii robotów.

To szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest skierowane do zaawansowanych inżynierów AI, programistów wbudowanych oraz inżynierów hardware, którzy chcą wdrożywać modele AI na urządzeniach o niskim zużyciu energii, minimalizując zużycie energii.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć wyzwania związane z uruchamianiem AI na urządzeniach o wysokiej efektywności energetycznej.
• Optymalizować sieci neuronowe do niskomocnej inferencji.
• Wykorzystywać techniki kwantyzacji, pruningu i kompresji modeli.
• Wdrażać modele AI na urządzeniach edge przy minimalnym zużyciu energii.

To szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest skierowane do AI developerów na poziomie średnim, inżynierów systemów wbudowanych i inżynierów robotyki, którzy chcą optymalizować i wdrażać modele AI na platformach NVIDIA Jetson do zastosowań na krawędzi sieci.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy edge AI i sprzętu NVIDIA Jetson.
• Optymalizować modele AI do wdrażania na urządzeniach na krawędzi sieci.
• Używać TensorRT do przyspieszenia wnioskowania głębokiego uczenia się.
• Wdrażać modele AI przy użyciu JetPack SDK i ONNX Runtime.

To szkolenie prowadzone przez instruktora, dostępne Toruń (online lub na miejscu), jest przeznaczone dla programistów AI, inżynierów uczenia maszynowego oraz architektów systemów na poziomie średniozaawansowanym, którzy chcą optymalizować modele AI do wdrażania na urządzeniach edge.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć wyzwania i wymagania związane z wdrażaniem modeli AI na urządzeniach edge.
• Zastosować techniki kompresji modeli w celu zmniejszenia ich rozmiaru i złożoności.
• Wykorzystać metody kwantyzacji do poprawy wydajności modeli na sprzęcie edge.
• Wdrożyć techniki obcięcia i inne techniki optymalizacji w celu poprawy wydajności modeli.
• Wdrożyć optymalizowane modele AI na różnych urządzeniach edge.

Ten szkoleniowy kurs prowadzony przez instruktora w Toruń (online lub na miejscu) jest przeznaczony dla programistów, naukowców danych i entuzjastów technologii na poziomie średniozaawansowanym, którzy chcą zdobyć praktyczne umiejętności w zakresie wdrażania modeli sztucznej inteligencji na urządzeniach krawędziowych do różnych zastosowań.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć zasady Edge AI i jej korzyści.
• Skonfigurować środowisko obliczeń krawędziowych.
• Rozwinąć, przetrenować i zoptymalizować modele AI dla wdrożeń na urządzeniach krawędziowych.
• Wdrożyć praktyczne rozwiązania AI na urządzeniach krawędziowych.
• Oceniać i poprawiać wydajność wdrożonych modeli na urządzeniach krawędziowych.
• Zwrócić uwagę na etyczne i bezpieczeństwo w zastosowaniach Edge AI.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do finansistów średnio zaawansowanych, developerów fintech i specjalistów ds. sztucznej inteligencji, którzy chcą wdrażać rozwiązania Edge AI w usługach finansowych.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć rolę Edge AI w usługach finansowych.
• Wdrożyć systemy wykrywania oszustw za pomocą Edge AI.
• Poprawić obsługę klienta za pomocą rozwiązań napędzanych przez AI.
• Zastosować Edge AI do zarządzania ryzykiem i podejmowania decyzji.
• Wdrażać i zarządzać rozwiązaniami Edge AI w środowiskach finansowych.

To ten szkolenie prowadzone przez instruktora (online lub na miejscu) jest przeznaczone dla inżynierów przemysłowych, specjalistów od produkcji i deweloperów AI na poziomie średnim, którzy chcą wdrożyć rozwiązania Edge AI w automatyzacji przemysłowej.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć rolę Edge AI w automatyzacji przemysłowej.
• Wdrożyć rozwiązania dla przewidywanej konserwacji za pomocą Edge AI.
• Zastosować techniki AI do kontroli jakości w procesach produkcyjnych.
• Optymalizować procesy przemysłowe za pomocą Edge AI.
• Wdrażać i zarządzać rozwiązaniami Edge AI w środowiskach przemysłowych.

Edge AI jest wdrażaniem modeli sztucznej inteligencji bezpośrednio na urządzeniach i maszynach na krawędzi sieci, umożliwiając podejmowanie decyzji w czasie rzeczywistym z minimalnym opóźnieniem.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do zaawansowanych specjalistów od systemów wbudowanych i IoT, którzy chcą wdrożyć logiczne i kontrolne systemy zasilane sztuczną inteligencją w środowiskach przemysłowych, gdzie prędkość, niezawodność i działanie offline są kluczowe.

Po ukończeniu tego szkolenia uczestnicy będą mogli:

• Zrozumieć architekturę i korzyści wynikające z systemów AI na krawędzi sieci.
• Budować i optymalizować modele AI do wdrażania na urządzeniach wbudowanych.
• Korzystać z narzędzi takich jak TensorFlow Lite i OpenVINO do inferencji o niskim opóźnieniu.
• Integrować inteligencję krawędziową z czujnikami, wykonywalnymi oraz protokołami przemysłowymi.

Format kursu

• Interaktywne wykłady i dyskusje.
• Wiele ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku live-lab.

Opcje dostosowania kursu

• Aby poprosić o dostosowane szkolenie dla tego kursu, skontaktuj się z nami, aby umówić.

Ten szkoleniowy, prowadzony przez instruktora, w trybie Toruń (online lub na miejscu) jest skierowany do rozwiniętych programistów, naukowców danych oraz praktyków AI, którzy chcą wykorzystać TensorFlow Lite do zastosowań Edge AI.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy TensorFlow Lite i jego rolę w Edge AI.
• Rozwijać i optymalizować modele AI za pomocą TensorFlow Lite.
• Wdrażać modele TensorFlow Lite na różnych urządzeniach edge.
• Wykorzystywać narzędzia i techniki do konwersji i optymalizacji modeli.
• Wdrażać praktyczne aplikacje Edge AI za pomocą TensorFlow Lite.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do urbanistów, inżynierów cywilnych oraz menedżerów projektów inteligentnych miast na poziomie średniozaawansowanym, którzy chcą wykorzystać Edge AI w inicjatywach inteligentnych miast.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rolę Edge AI w infrastrukturach inteligentnych miast.
• Wdrożyć rozwiązania Edge AI do zarządzania ruchem i monitorowania.
• Optymalizować zasoby miejskie przy użyciu technologii Edge AI.
• Integrować Edge AI z istniejącymi systemami inteligentnych miast.
• Rozwiązywać etyczne i regulacyjne zagadnienia w wdrażaniu inteligentnych miast.

To szkolenie prowadzone przez instruktora, dostępne Toruń (online lub na miejscu), jest skierowane do profesjonalistów w dziedzinie cyberbezpieczeństwa, administratorów systemów i badaczy etyki sztucznej inteligencji na poziomie średniozaawansowanym, którzy chcą bezpiecznie i etycznie wdrażać rozwiązania Edge AI.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Zrozumieć wyzwania z zakresu bezpieczeństwa i prywatności w Edge AI.
• Wdrożyć najlepsze praktyki w zakresie zabezpieczania urządzeń i danych na krawędzi.
• Rozwinąć strategie zmniejszania ryzyka bezpieczeństwa w wdrażaniach Edge AI.
• Zadbać o kwestie etyczne i zapewnić zgodność z przepisami.
• Przeprowadzić oceny i audyty bezpieczeństwa dla aplikacji Edge AI.

Trening prowadzony przez instruktora, w Toruń (online lub na miejscu) jest przeznaczony dla inżynierów robotyki na poziomie średnim, developerów pojazdów autonomicznych i badaczy AI, którzy chcą wykorzystać Edge AI do innowacyjnych rozwiązań dla autonomicznych systemów.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rolę i korzyści płynące z Edge AI w autonomicznych systemach.
• Rozwojować i wdrażać modele AI do przetwarzania w czasie rzeczywistym na urządzeniach Edge.
• Implementować rozwiązania Edge AI w pojazdach autonomicznych, dronach i robotach.
• Projektować i optymalizować systemy sterowania za pomocą Edge AI.
• Rozwiązywać etyczne i regulacyjne wyzwania związane z autonomicznymi zastosowaniami AI.

To szkolenie prowadzone przez instruktora w Toruń (online lub stacjonarnie) jest skierowane do profesjonalistów w zakresie opieki zdrowotnej na poziomie średniozaawansowanym, inżynierów biomedycznych oraz deweloperów AI, którzy chcą wykorzystać Edge AI do innowacyjnych rozwiązań w dziedzinie opieki zdrowotnej.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Zrozumieć rolę i korzyści z zastosowania Edge AI w opiece zdrowotnej.
• Tworzyć i wdrażać modele AI na urządzeniach Edge dla zastosowań w opiece zdrowotnej.
• Wdrażać rozwiązania Edge AI w urządzeniach noszonych i narzędziach diagnostycznych.
• Projektować i wdrażać systemy monitorowania pacjentów za pomocą Edge AI.
• Zajmować się kwestiami etycznymi i regulacyjnymi w zastosowaniach AI w opiece zdrowotnej.

To szkolenie prowadzone przez instruktora (online lub na miejscu) skierowane jest do zaawansowanych praktyków AI, badaczy i programistów, którzy chcą opanować najnowsze osiągnięcia w dziedzinie Edge AI, optymalizować swoje modele AI do wdrażania na krawędzi oraz eksplorować zróżnicowane zastosowania w różnych branżach.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Eksplorować zaawansowane techniki w zakresie rozwoju i optymalizacji modeli Edge AI.
• Wdrażać strategie najnowszej generacji do wdrażania modeli AI na urządzeniach krawędziowych.
• Korzystać ze specjalistycznych narzędzi i frameworków dla zaawansowanych aplikacji Edge AI.
• Optymalizować wydajność i efektywność rozwiązań Edge AI.
• Eksplorować innowacyjne przypadki użycia i nowe trendy w Edge AI.
• Zwracać uwagę na zaawansowane kwestie etyczne i bezpieczeństwa w wdrażaniu Edge AI.

Narzędzie Ascend CANN od Huawei umożliwia potężne wnioskowanie AI na urządzeniach na krawędzi, takich jak Ascend 310. CANN dostarcza niezbędne narzędzia do kompilowania, optymalizowania i wdrażania modeli w środowiskach o ograniczonych możliwościach obliczeniowych i pamięci.

Ten szkolenie prowadzone przez instruktora (online lub na miejscu) jest przeznaczone dla AI developerów i integratorów na poziomie średnim, którzy chcą wdrażać i optymalizować modele na urządzeniach na krawędzi Ascend przy użyciu narzędzi CANN.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Przygotowywać i konwertować modele AI dla Ascend 310 za pomocą narzędzi CANN.
• Budować lekkie pipeline wnioskowania za pomocą MindSpore Lite i AscendCL.
• Optymalizować wydajność modeli w środowiskach o ograniczonych możliwościach obliczeniowych i pamięci.
• Wdrażać i monitorować aplikacje AI w rzeczywistych przypadkach użycia na krawędzi.

Format kursu

• Interaktywna wykład i demonstracja.
• Praktyczne ćwiczenia laboratoryjne z modelami i scenariuszami specyficznymi dla krawędzi.
• Przykłady wdrażania na żywo na wirtualnym lub fizycznym sprzęcie na krawędzi.

Opcje dostosowania kursu

• Aby zażądać dostosowanego szkolenia dla tego kursu, prosimy o kontakt z nami w celu ustalenia szczegółów.

Szkolenie prowadzone przez instruktora (online lub stacjonarne) jest przeznaczone dla developerów średniozaawansowanych, architektów systemów i profesjonalistów branży, którzy chcą wykorzystać Edge AI do wzbogacenia aplikacji IoT o inteligentne możliwości przetwarzania i analizy danych.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy Edge AI i jej zastosowanie w IoT.
• Zainstalować i skonfigurować środowiska Edge AI dla urządzeń IoT.
• Tworzyć i wdrażać modele AI na urządzeniach Edge dla aplikacji IoT.
• Wdawać się w przetwarzanie danych w czasie rzeczywistym i podejmowanie decyzji w systemach IoT.
• Integrować Edge AI z różnymi protokołami i platformami IoT.
• Rozwiązywać etyczne kwestie i najlepsze praktyki w dziedzinie Edge AI dla IoT.

To prowadzone przez instruktora szkolenie na żywo w Toruń (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych programistów IoT, inżynierów wbudowanych i praktyków AI, którzy chcą wdrożyć TinyML do konserwacji predykcyjnej, wykrywania anomalii i aplikacji inteligentnych czujników.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć podstawy TinyML i jego zastosowania w IoT.
• Skonfigurować środowisko programistyczne TinyML dla projektów IoT.
• Rozwijać i wdrażać modele ML na mikrokontrolerach o niskim poborze mocy.
• Wdrożenie konserwacji predykcyjnej i wykrywania anomalii przy użyciu TinyML.
• Optymalizacja modeli TinyML pod kątem efektywnego wykorzystania energii i pamięci.

Ten szkolenie prowadzone przez instruktora w formie Toruń (online lub na miejscu) jest skierowane do developerów i specjalistów IT na poziomie średniozaawansowanym, którzy chcą uzyskać pełne zrozumienie Edge AI od koncepcji po praktyczną implementację, w tym konfigurację i wdrażanie.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawowe koncepcje Edge AI.
• Konfigurować i uruchamiać środowiska Edge AI.
• Tworzyć, trenować i optymalizować modele Edge AI.
• Wdrażać i zarządzać aplikacjami Edge AI.
• Integrować Edge AI z istniejącymi systemami i przepływami pracy.
• Rozwiązywać etyczne aspekty i najlepsze praktyki w implementacji Edge AI.

To szkolenie prowadzone przez instruktora w Toruń (online lub stacjonarnie) jest skierowane do inżynierów systemów wbudowanych i developerów AI na poziomie średnim, którzy chcą wdrażać modele uczenia maszynowego na mikrokontrolerach za pomocą TensorFlow Lite i Edge Impulse.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawy TinyML i jego korzyści dla zastosowań sztucznej inteligencji na krawędzi.
• Zainstalować środowisko rozwojowe dla projektów TinyML.
• Trenować, optymalizować i wdrażać modele AI na mikrokontrolerach o niskim zużyciu energii.
• Używać TensorFlow Lite i Edge Impulse do implementacji rzeczywistych zastosowań TinyML.
• Optymalizować modele AI pod kątem wydajności energetycznej i ograniczeń pamięci.

Cambricon MLUs (Machine Learning jednostki) to specjalizowane układy AI optymalizowane do wnioskowania i szkolenia w scenariuszach na krawędzi i w centrach danych.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest przeznaczone dla developerów na poziomie średnim, którzy chcą budować i wdrażać modele AI za pomocą frameworka BANGPy i SDK Neuware na sprzęcie Cambricon MLU.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Konfigurować i ustawiać środowiska rozwojowe BANGPy i Neuware.
• Rozwijać i optymalizować modele oparte na Python i C++ dla Cambricon MLU.
• Wdrażać modele na urządzeniach na krawędzi i w centrum danych z uruchomionym środowiskiem wykonawczym Neuware.
• Integrować przepływy pracy ML z funkcjami przyspieszenia specyficznymi dla MLU.

Format kursu

• Interaktywna wykład i dyskusja.
• Praktyczne używanie BANGPy i Neuware do rozwoju i wdrażania.
• Zawarte ćwiczenia skupione na optymalizacji, integracji i testowaniu.

Opcje dostosowywania kursu

• Aby zlecić dostosowane szkolenie dla tego kursu na podstawie modelu urządzenia Cambricon lub przypadku użycia, prosimy o kontakt z nami w celu ustalenia.

Ten szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest przeznaczone dla początkujących programistów i profesjonalistów IT, którzy chcą poznać podstawy sztucznej inteligencji na krawędzi (Edge AI) oraz jej podstawowe zastosowania.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć podstawowe pojęcia i architekturę Edge AI.
• Zainstalować i skonfigurować środowiska Edge AI.
• Tworzyć i wdrażać proste aplikacje Edge AI.
• Wykrywać i rozumieć przypadki użycia oraz korzyści płynące z Edge AI.