Struttura del corso

Introduzione a Edge AI negli Ambiti Industriali

  • Perché il computing edge è importante nella manifattura
  • Confronto con l'IA basata sul cloud
  • Casi di uso nelle visioni, manutenzione predittiva e controllo

Piattaforme Hardware e Vincoli al Livello Dispositivo

  • Panoramica delle hardware edge comuni (Raspberry Pi, NVIDIA Jetson, Intel NUC)
  • Considerazioni su elaborazione, memoria ed energia
  • Selezione della piattaforma appropriata per il tipo di applicazione

Sviluppo e Otimizzazione del Modello per l'Edge

  • Tecniche di compressione, pruning e quantizzazione dei modelli
  • Uso di TensorFlow Lite e ONNX per il deployment embedded
  • Equilibrio tra precisione e velocità in ambienti limitati

Computer Vision e Sensor Fusion all'Edge

  • Ispettazione visiva ed elaborazione edge-based
  • Integrazione di dati da più sensori (vibrazioni, temperatura, telecamere)
  • Detezione di anomalie in tempo reale con Edge Impulse

Communication e Scambio dei Dati

  • Utilizzo di MQTT per la comunicazione industriale
  • Integrazione con SCADA, OPC-UA e sistemi PLC
  • Sicurezza e resilienza nella comunicazione edge

Deploying and Field Testing

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

Scaling and Maintenance of Edge AI Systems

  • Strategie di gestione dei dispositivi edge
  • Aggiornamenti remoti e cicli di riconfezionamento del modello
  • Considerazioni sul ciclo di vita per il deploy di grado industriale

Riepilogo e Passaggi Successivi

Requisiti

  • Un'idea dei sistemi embarcati o delle architetture IoT
  • Esperienza con Python o C/C++
  • Familiarità con lo sviluppo di modelli di apprendimento automatico

Destinatari

  • Sviluppatori embarcati
  • Team IoT industriali
 21 Ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative