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'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