Struttura del corso

Introduzione all'Edge AI

  • Definizione e concetti chiave
  • Differenze tra Edge AI e cloud AI
  • Vantaggi e casi d'uso dell'Edge AI
  • Panoramica dei dispositivi e delle piattaforme edge

Configurazione dell'ambiente Edge

  • Introduzione ai dispositivi edge (Raspberry Pi, NVIDIA Jetson, ecc.)
  • Installazione del software e delle librerie necessarie
  • Configurazione dell'ambiente di sviluppo
  • Preparazione dell'hardware per l'implementazione dell'intelligenza artificiale

Sviluppo di modelli di intelligenza artificiale per l'edge

  • Panoramica dei modelli di machine learning e deep learning per i dispositivi edge
  • Tecniche per l'addestramento di modelli in ambienti locali e cloud
  • Ottimizzazione del modello per l'implementazione edge (quantizzazione, sfoltimento, ecc.)
  • Strumenti e framework per lo sviluppo di Edge AI (TensorFlow Lite, OpenVINO, ecc.)

Distribuzione di modelli di intelligenza artificiale su dispositivi edge

  • Passaggi per la distribuzione di modelli di intelligenza artificiale su vari hardware edge
  • Elaborazione e inferenza dei dati in tempo reale su dispositivi periferici
  • Monitoraggio e gestione dei modelli distribuiti
  • Esempi pratici e casi di studio

Soluzioni e progetti pratici di intelligenza artificiale

  • Sviluppo di applicazioni di intelligenza artificiale per dispositivi edge (ad esempio, visione artificiale, elaborazione del linguaggio naturale)
  • Progetto pratico: Creazione di un sistema di telecamere intelligenti
  • Progetto pratico: implementazione del riconoscimento vocale sui dispositivi periferici
  • Progetti di gruppo collaborativi e scenari reali

Valutazione e ottimizzazione delle prestazioni

  • Tecniche per la valutazione delle prestazioni del modello nei dispositivi perimetrali
  • Strumenti per il monitoraggio e il debug di applicazioni di intelligenza artificiale edge
  • Strategie per ottimizzare le prestazioni dei modelli di intelligenza artificiale
  • Affrontare le sfide della latenza e del consumo energetico

Integrazione con i sistemi IoT

  • Connettere le soluzioni di intelligenza artificiale edge con dispositivi e sensori IoT
  • Communication Protocolli e metodi di scambio dati
  • Creazione di una soluzione edge AI e IoT end-to-end
  • Esempi pratici di integrazione

Considerazioni etiche e di sicurezza

  • Garantire la privacy e la sicurezza dei dati nelle applicazioni Edge AI
  • Affrontare i pregiudizi e l'equità nei modelli di IA
  • Conformità alle normative e agli standard
  • Best practice per un'implementazione responsabile dell'IA

Progetti pratici ed esercizi

  • Sviluppo di un'applicazione Edge AI completa
  • Progetti e scenari del mondo reale
  • Esercizi collaborativi di gruppo
  • Presentazioni e feedback dei progetti

Riepilogo e prossime tappe

Requisiti

  • Comprensione dei concetti di intelligenza artificiale e apprendimento automatico
  • Esperienza con i linguaggi di programmazione (Python consigliato)
  • Familiarità con i concetti di edge computing

Pubblico

  • Gli sviluppatori
  • Scienziati dei dati
  • Appassionati di tecnologia
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative