Contattataci

Struttura del corso

Introduzione all’AI all’edge nel contesto industriale

  • Perché il computing all’edge è fondamentale nella produzione
  • Confronto con i sistemi AI basati sul cloud
  • Casistiche d’uso: visione artificiale, manutenzione predittiva e controllo automatico

Piattaforme hardware e limitazioni a livello di dispositivo

  • Panoramica sui principali hardware all’edge (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Considerazioni riguardanti capacità di elaborazione, memoria e consumo energetico
  • Come scegliere la piattaforma più adatta in base all’applicazione specifica

Sviluppo e ottimizzazione dei modelli per ambienti all’edge

  • Tecniche di compressione, pruning e quantizzazione dei modelli
  • Utilizzo di TensorFlow Lite e ONNX per il deployment su dispositivi embedded
  • Come trovare l’equilibrio ottimale tra accuratezza del modello e velocità di esecuzione in contesti limitati

Visione artificiale e fusione dei dati sensoriali all’edge

  • Ispezione visiva e monitoraggio in tempo reale tramite tecnologie AI all’edge
  • Integrazione dei dati provenienti da più sensori (vibrazioni, temperatura, telecamere)
  • Rilevamento immediato di anomalie tramite Edge Impulse

Comunicazione e scambio dati

  • Utilizzo del protocollo MQTT per la comunicazione industriale
  • Integrazione con sistemi SCADA, OPC-UA e PLC
  • Sicurezza e affidabilità delle comunicazioni all’edge

Deployment ed esperimenti sul campo

  • Pacchettizzazione e installazione dei modelli sui dispositivi all’edge
  • Monitoraggio delle prestazioni e gestione delle eventuali aggiornamenti
  • Studio di caso: ciclo decisionale in tempo reale con attuazione locale

Scalabilità e manutenzione dei sistemi AI all’edge

  • Strategie di gestione centralizzata dei dispositivi all’edge
  • Aggiornamenti remoti e cicli di addestramento continuo dei modelli
  • Considerazioni relative al ciclo di vita degli sistemi impiegati in ambito industriale

Conclusioni e prospettive future

Requisiti

  • Conoscenza di base dei sistemi embedded o delle architetture IoT
  • Esperienza nella programmazione con Python o C/C++
  • Familiarità nello sviluppo di modelli di machine learning

Destinatari del corso

  • Sviluppatori embedded
  • Team specializzati in IoT industriale
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative