Struttura del corso

Introduzione all'Edge AI

  • Definizione e concetti chiave
  • Differenze tra Edge AI e Cloud AI
  • Vantaggi e sfide dell'Edge AI
  • Panoramica delle applicazioni Edge AI

Architettura Edge AI

  • Componenti dei sistemi Edge AI
  • Requisiti hardware e software
  • Flusso di dati nelle applicazioni Edge AI
  • Integrazione con i sistemi esistenti

Configurazione dell'ambiente Edge AI

  • Introduzione alle piattaforme Edge AI (Raspberry Pi, NVIDIA Jetson, ecc.)
  • Installazione del software e delle librerie necessarie
  • Configurazione dell'ambiente di sviluppo
  • Inizializzazione della configurazione di Edge AI

Sviluppo di modelli di Edge AI

  • Panoramica dei modelli di machine learning e deep learning per i dispositivi edge
  • Modelli di addestramento specifici per l'implementazione perimetrale
  • Tecniche per l'ottimizzazione dei modelli per i dispositivi edge
  • Strumenti e framework per lo sviluppo di Edge AI (TensorFlow Lite, OpenVINO, ecc.)

Data Management e pre-elaborazione per Edge AI

  • Tecniche di raccolta dati per ambienti edge
  • Pre-elaborazione e aumento dei dati per i dispositivi edge
  • Gestione delle pipeline di dati sui dispositivi perimetrali
  • Garantire la privacy e la sicurezza dei dati negli ambienti edge

Distribuzione di applicazioni di intelligenza artificiale edge

  • Passaggi per la distribuzione di modelli su vari dispositivi perimetrali
  • Tecniche per il monitoraggio e la gestione dei modelli distribuiti
  • Elaborazione e inferenza dei dati in tempo reale su dispositivi periferici
  • Casi di studio ed esempi pratici di distribuzione

Integrazione dell'Edge AI con i sistemi IoT

  • Connettere le soluzioni Edge AI con dispositivi e sensori IoT
  • Communication Protocolli e metodi di scambio dati
  • Creazione di una soluzione edge AI e IoT end-to-end
  • Esempi pratici e casi d'uso

Use Case e applicazioni

  • Applicazioni specifiche del settore dell'Edge AI
  • Casi di studio approfonditi nel settore sanitario, automobilistico e delle case intelligenti
  • Storie di successo e lezioni apprese
  • Tendenze e opportunità future nell'Edge AI

Considerazioni etiche e best practice

  • Garantire la privacy e la sicurezza nelle implementazioni di Edge AI
  • Affrontare i pregiudizi e l'equità nei modelli di Edge AI
  • Conformità alle normative e agli standard
  • Best practice per un'implementazione responsabile dell'IA

Progetti pratici ed esercizi

  • Sviluppo di un'applicazione Edge AI complessa
  • Progetti e scenari del mondo reale
  • Esercizi collaborativi di gruppo
  • Presentazioni e feedback dei progetti

Riepilogo e prossime tappe

Requisiti

  • Comprensione dei concetti di base dell'intelligenza artificiale e dell'apprendimento automatico
  • Esperienza con i linguaggi di programmazione (Python consigliato)
  • Familiarità con i concetti di edge computing e IoT

Pubblico

  • Gli sviluppatori
  • Professionisti IT
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative