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 a Edge AI in Autonomous Systems
- Panoramica dell'Edge AI e della sua importanza nei sistemi autonomi
- Principali vantaggi e sfide dell'implementazione dell'Edge AI nei sistemi autonomi
- Tendenze e innovazioni attuali nell'Edge AI per l'autonomia
- Applicazioni reali e casi di studio
Elaborazione in tempo reale nei sistemi autonomi
- Nozioni di base sull'elaborazione dei dati in tempo reale
- Modelli di intelligenza artificiale per il processo decisionale in tempo reale
- Gestione dei flussi di dati e fusione dei sensori
- Esempi pratici e casi di studio
Edge AI nei veicoli autonomi
- Modelli di intelligenza artificiale per la percezione e il controllo dei veicoli
- Sviluppo e implementazione di soluzioni di intelligenza artificiale per la navigazione in tempo reale
- Integrazione dell'Edge AI con i sistemi di controllo dei veicoli
- Casi di studio dell'Edge AI nei veicoli autonomi
Edge AI nei droni
- Modelli di intelligenza artificiale per la percezione dei droni e il controllo del volo
- Elaborazione dei dati in tempo reale e processo decisionale nei droni
- Implementazione dell'Edge AI per il volo autonomo e l'evitamento degli ostacoli
- Esempi pratici e casi di studio
Edge AI in Robotics
- Modelli di intelligenza artificiale per la percezione e la manipolazione robotica
- Elaborazione e controllo in tempo reale nei sistemi robotizzati
- Integrazione dell'Edge AI con architetture di controllo robotiche
- Casi di studio di Edge AI nella robotica
Sviluppo di modelli di intelligenza artificiale per applicazioni autonome
- Panoramica dei modelli di machine learning e deep learning rilevanti
- Addestramento e ottimizzazione dei modelli per l'implementazione perimetrale
- Strumenti e framework per l'Edge AI autonomo (TensorFlow Lite, ROS, ecc.)
- Validazione e valutazione del modello in contesti autonomi
Implementazione di soluzioni di intelligenza artificiale edge nei sistemi autonomi
- 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 di intelligenza artificiale distribuiti
- Esempi pratici di implementazione e casi di studio
Considerazioni etiche e normative
- Garantire la sicurezza e l'affidabilità nei sistemi di IA autonomi
- Affrontare i pregiudizi e l'equità nei modelli di IA autonomi
- Conformità alle normative e agli standard nei sistemi autonomi
- Best practice per l'implementazione responsabile dell'IA nei sistemi autonomi
Valutazione e ottimizzazione delle prestazioni
- Tecniche per la valutazione delle prestazioni del modello nei sistemi autonomi
- Strumenti per il monitoraggio e il debug in tempo reale
- Strategie per ottimizzare le prestazioni dei modelli di intelligenza artificiale nelle applicazioni autonome
- Affrontare le sfide di latenza, affidabilità e scalabilità
Use Case e applicazioni innovative
- Applicazioni avanzate dell'Edge AI nei sistemi autonomi
- Casi di studio approfonditi in vari domini autonomi
- Storie di successo e lezioni apprese
- Tendenze e opportunità future nell'Edge AI per l'autonomia
Progetti pratici ed esercizi
- Sviluppo di un'applicazione Edge AI completa per un sistema autonomo
- 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 la robotica, i sistemi autonomi o le tecnologie correlate
Pubblico
- Robotics Ingegneri
- Sviluppatori di veicoli autonomi
- Ricercatori di IA
14 ore