Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione all'Edge AI nei Sistemi Autonomi
- Panoramica dell'Edge AI e la sua importanza nei sistemi autonomi
- Principali vantaggi e sfide nella implementazione dell'Edge AI nei sistemi autonomi
- Tendenze ed innovazioni attuali nell'Edge AI per l'autonomia
- Applicazioni reali e casi di studio
Elaborazione in Tempo Reale nei Sistemi Autonomi
- Fondamenti dell'elaborazione dei dati in tempo reale
- Modelli AI per la decisione in tempo reale
- Gestione delle strutture di dati e fusione dei sensori
- Esempi pratici e casi di studio
Edge AI nei Veicoli Autonomi
- Modelli AI per la percezione e il controllo dei veicoli
- Sviluppo e distribuzione di soluzioni AI in tempo reale per la navigazione
- Integrazione dell'Edge AI con i sistemi di controllo dei veicoli
- Casi di studio sull'Edge AI nei veicoli autonomi
Edge AI nelle Droni
- Modelli AI per la percezione e il controllo del volo dei droni
- Elaborazione dei dati in tempo reale e decisione nel drone
- Implementazione dell'Edge AI per il volo autonomo e l'evasione degli ostacoli
- Esempi pratici e casi di studio
Edge AI nella Robótica
- Modelli AI per la percezione robotica e manipolazione
- Elaborazione in tempo reale e controllo nei sistemi robotici
- Integrazione dell'Edge AI con le architetture di controllo dei robot
- Casi di studio sull'Edge AI nella robótica
Sviluppo di Modelli AI per Applicazioni Autonome
- Panoramica dei modelli di machine learning e deep learning rilevanti
- Addestramento ed ottimizzazione dei modelli per la distribuzione all'edge
- Strumenti e framework per l'autonomia dell'Edge AI (TensorFlow Lite, ROS, ecc.)
- Valutazione e valutazione del modello in contesti autonomi
Distribuzione di Soluzioni Edge AI nei Sistemi Autonomi
- Passaggi per la distribuzione dei modelli AI su hardware edge diverso
- Elaborazione e inferenza dei dati in tempo reale sui dispositivi all'edge
- Monitoraggio e gestione dei modelli AI distribuiti
- Esempi pratici di distribuzione e casi di studio
Considerazioni Etiche ed Regolamentari
- Garanzia della sicurezza e affidabilità nei sistemi AI autonomi
- Affrontamento del bias e della giustizia nei modelli AI autonomi
- Conformità con le regolamentazioni e standard nei sistemi autonomi
- Buone pratiche per una distribuzione responsabile dell'AI nei sistemi autonomi
Valutazione e Ottimizzazione delle Prestazioni
- Tecniche per la valutazione della prestazione del modello nei sistemi autonomi
- Strumenti per il monitoraggio e il debug in tempo reale
- Strategie per l'ottimizzazione delle prestazioni dei modelli AI nelle applicazioni autonome
- Affrontamento di sfide legate alla latenza, affidabilità e scalabilità
Utilizzazioni innovative ed applicazioni
- Applicazioni avanzate dell'Edge AI nei sistemi autonomi
- Casi di studio approfonditi in vari domini autonomi
- Storie di successo e lezioni apprese
- Tendenze future ed opportunità nell'Edge AI per l'autonomia
Progetti pratici ed esercizi
- Sviluppo di un'applicazione Edge AI complessa per un sistema autonomo
- Progetti reali e scenari
- Esercizi di gruppo collaborativi
- Presentazioni del progetto e feedback
Riepilogo ed Azioni Successive
Requisiti
- Comprendere i concetti di intelligenza artificiale e machine learning
- Esperienza con linguaggi di programmazione (si raccomanda Python)
- Familiarità con la robotica, sistemi autonomi o tecnologie correlate
Pubblico
- Ingegneri di robotica
- Sviluppatori di veicoli autonomi
- Ricerca in intelligenza artificiale
14 ore
