Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
-
Introduzione all’AI nei dispositivi Edge
- Cos’è l’AI edge e perché riveste un ruolo cruciale
- Vantaggi della distribuzione di modelli AI ai margini della rete
- Panoramica dello scenario attuale dell’AI per l’elaborazione edge
-
Architetture di reti neurali convoluzionali (CNN) per AI Edge
- Nozioni di base sulle CNN e il loro utilizzo nei contesti edge
- Considerazioni progettuali per lo sviluppo di CNN su dispositivi limitati
- Casi pratici: modelli CNN efficienti in azione
-
Progettazione di reti neurali compatte per implementazioni Edge
- Tecniche per ridurre le dimensioni dei modelli senza comprometterne l’accuratezza
- Strumenti e framework utili all’ottimizzazione dei modelli AI
- Analisi degli equilibri tra efficienza computazionale e complessità architetturale
-
Tecniche di distillazione della conoscenza per AI Edge
- Fondamenti teorici e vantaggi pratici della distillazione della conoscenza
- Implementazione di queste tecniche nei modelli edge
- Esempi concreti e success stories in ambito applicativo
-
Metodi di compressione profonda per modelli AI Edge
- Nozioni generali su tecniche come l’addestramento selettivo e la quantizzazione
- Applicazioni pratiche di tali metodi all’ambiente edge
- Effetti sulla velocità, accuratezza e complessità di distribuzione dei modelli
-
Concetti e applicazioni dell’apprendimento federato
- Cenni introduttivi all’apprendimento federato: protezione della privacy ed efficienza computazionale
- Aspetti architetturali e operativi dei sistemi basati sull’apprendimento federato
- Sfide pratiche nella sua implementazione su dispositivi edge e relative soluzioni
-
Implementazione di soluzioni AI nei dispositivi Edge
- Flusso di lavoro completo per distribuire modelli su questi dispositivi
- Piattaforme e strumenti più utilizzati nello sviluppo AI Edge
- Monitoraggio operativo e gestione delle applicazioni AI post-deployment
-
Casi studio e progetti pratici
- Analisi dettagliata di realizzazioni AI edge in diversi settori
- Lavoro di gruppo: progettazione e sviluppo concreto di una soluzione AI Edge
- Presentazione finale dei risultati ottenuti e analisi critica
Requisiti
- Conoscenza di base del cloud computing e dell’intelligenza artificiale
Destinatari
- Analisti aziendali
- Product manager
- Sviluppatori
35 ore
Recensioni (1)
Coprindo argomenti avanzati e lavorando con esempi pratici
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Corso - Advanced Edge AI Techniques
Traduzione automatica