Contattataci

Struttura del corso

Introduzione all’Edge AI

  • Definizione e concetti chiave
  • Differenze tra Edge AI e Cloud AI
  • Vantaggi e sfide dell’utilizzo di Edge AI
  • Panoramica delle applicazioni più comuni di Edge AI

Architettura dell’Edge AI

  • Componenti principali dei sistemi Edge AI
  • Requisiti hardware e software necessari
  • Flusso dei dati all’interno delle applicazioni Edge AI
  • Integrazione con i sistemi preesistenti

Configurazione dell’ambiente per l’Edge AI

  • Presentazione delle piattaforme più utilizzate (Raspberry Pi, NVIDIA Jetson, ecc.)
  • Installazione dei software e delle librerie necessarie
  • Configurazione dell’ambiente di sviluppo
  • Inizializzazione del sistema per l’utilizzo dell’Edge AI

Sviluppo dei modelli per Edge AI

  • Presentazione dei modelli di machine learning e deep learning adatti ai dispositivi periferici
  • Tecniche di addestramento specifiche per il deploy su dispositivi Edge AI
  • Metodi per ottimizzare i modelli in termini di prestazioni e risorse
  • Strumenti e framework utili allo sviluppo (TensorFlow Lite, OpenVINO, ecc.)

Gestione e preprocessamento dei dati nell’Edge AI

  • Tecniche di raccolta dati negli ambienti periferici
  • Elaborazione e miglioramento dei dati adatti ai dispositivi Edge AI
  • Gestione dei flussi di dati sui dispositivi periferici
  • Misure di tutela della privacy e sicurezza dei dati negli ambienti Edge AI

Deploy delle applicazioni basate su Edge AI

  • Procedimenti per distribuire i modelli su diversi dispositivi periferici
  • Strategie di monitoraggio e gestione dei modelli già implementati
  • Elaborazione dei dati in tempo reale ed inferenza sui dispositivi periferici
  • Esempi pratici e studi di caso relativi al deploy dell’Edge AI

Integrazione dell’Edge AI con i sistemi IoT

  • Collegamento delle soluzioni Edge AI a dispositivi e sensori IoT
  • Protocolli di comunicazione e metodi per lo scambio dati
  • Progettazione completa di soluzioni integrate Edge AI-IoT
  • Casistiche reali d’uso e applicazioni pratiche

Applicazioni e casi d’uso tipici dell’Edge AI

  • Utilizzo dell’Edge AI in diversi settori industriali
  • Analisi dettagliata di casi reali nel settore sanitario, automobilistico e nelle abitazioni intelligenti
  • Success story e apprendimenti utili tratti da esperienze concrete
  • Tendenze future e opportunità emergenti nell’ambito dell’Edge AI

Aspetti etici e buone pratiche di implementazione

  • Garanzia della privacy e sicurezza nei sistemi Edge AI
  • Riduzione dei pregiudizi e promozione dell’equità negli algoritmi di intelligenza artificiale
  • Rispetto delle normative e degli standard vigenti
  • Linee guida per un deploy responsabile dell’intelligenza artificiale

Progetti pratici ed esercizi guidati

  • Realizzazione di un’applicazione complessa basata sull’Edge AI
  • Attività concrete su scenari reali e casi pratici
  • Esercizi da svolgere in gruppo con interazione reciproca
  • Presentazione dei progetti e feedback da parte degli istruttori

Sintesi finale e prossimi passi

Requisiti

  • Conoscenza di base dei concetti legati all’intelligenza artificiale e al machine learning
  • Esperienza con i linguaggi di programmazione (si raccomanda Python)
  • Familiarità con il calcolo periferico e i concetti dell’IoT

Destinatari

  • Sviluppatori
  • Professionisti IT
 14 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative