Struttura del corso

Introduzione all'Edge AI e a NVIDIA Jetson

  • Panoramica sulle applicazioni di Edge AI
  • Introduzione alla hardware NVIDIA Jetson
  • Componenti del SDK JetPack e ambiente di sviluppo

Configurazione dell'Ambiente di Sviluppo

  • Installazione del SDK JetPack e configurazione della scheda Jetson
  • Comprendere TensorRT ed ottimizzazione dei modelli
  • Configurazione dell'ambiente di esecuzione

Ottimizzazione dei Modelli AI per l'Impiego Edge

  • Tecniche di quantizzazione e potatura dei modelli
  • Utilizzo di TensorRT per l'accelerazione del modello
  • Conversione dei modelli nel formato ONNX

Distribuzione dei Modelli AI sui Dispositivi Jetson

  • Esecuzione dell'inferenza con TensorRT
  • Integrazione dei modelli AI con applicazioni in tempo reale
  • Ottimizzazione delle prestazioni e riduzione della latenza

Visione Artificiale e Apprendimento Profondo su Jetson

  • Distribuzione di modelli per la classificazione d'immagine ed il rilevamento degli oggetti
  • Utilizzo dell'AI per l'analisi del video in tempo reale
  • Implementazione di applicazioni robotiche alimentate da AI

Sicurezza e Ottimizzazione delle Prestazioni dell'Edge AI

  • Sicurezza dei modelli AI sui dispositivi Edge
  • Efficienza energetica e gestione termica
  • Scalabilità delle applicazioni AI sulle piattaforme Jetson

Implementazione del Progetto e Casistiche di Uso Reale

  • Costruzione di una soluzione IoT alimentata da AI
  • Distribuzione dell'AI nei sistemi autonomi
  • Studi di caso sull'utilizzo dell'AI sui dispositivi Edge

Riepilogo e Prossimi Passaggi

Requisiti

  • Esperienza nella formazione e nell'inferenza dei modelli AI
  • Conoscenze di base sui sistemi embedded
  • Familiarità con la programmazione in Python

Pubblico

  • Sviluppatori AI
  • Ingegneri embedded
  • Ingegneri robotica
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative