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

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative