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 di Edge AI

Architettura dell'Edge AI

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

Configurazione dell'Ambiente Edge AI

  • Introduzione alle piattaforme di 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 dei Modelli Edge AI

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

Gestione e Preprocessing dei Dati per l'Edge AI

  • Tecniche di raccolta dati per ambienti edge
  • Preelaborazione e ampliamento dei dati per dispositivi edge
  • Gestione delle pipeline dati sui dispositivi edge
  • Garanzia della privacy e sicurezza dei dati in ambienti edge

Distribuzione di Applicazioni Edge AI

  • Passaggi per la distribuzione dei modelli su diversi dispositivi edge
  • Tecniche per il monitoraggio e gestione dei modelli distribuiti
  • Elaborazione di dati in tempo reale e inferenza sui dispositivi edge
  • Studi di caso e esempi pratici della distribuzione

Integrando l'Edge AI con Sistemi IoT

  • Connessione delle soluzioni Edge AI con dispositivi e sensori IoT
  • Protocolli di comunicazione e metodi di scambio dati
  • Costruzione di una soluzione end-to-end di Edge AI e IoT
  • Esempi pratici e casi d'uso

Casistiche ed Applicazioni

  • Applicazioni specifiche per settore dell'Edge AI
  • Studi di caso approfonditi nel settore sanitario, automobilistico e case intelligence
  • Successi e insegnamenti
  • Tendenze future ed opportunità nell'Edge AI

Considerazioni Etiche e Buone Pratiche

  • Garanzia della privacy e sicurezza nelle distribuzioni Edge AI
  • Gestione dell'bias e della fairness nei modelli Edge AI
  • Conformità alle normative e standard
  • Buone pratiche per un'affidabile distribuzione di AI

Progetti ed Esercizi Pratici

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

Riepilogo ed Ulteriori Passaggi

Requisiti

  • Comprensione dei concetti di base dell'IA e del machine learning
  • Esperienza con linguaggi di programmazione (Python raccomandato)
  • Familiarità con i concetti di edge computing e IoT

Pubblico

  • Sviluppatori
  • Professionisti IT
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative