Struttura del corso

Introduzione a Edge AI e NVIDIA Jetson

  • Panoramica delle applicazioni AI edge
  • Introduzione all'hardware NVIDIA Jetson
  • Componenti JetPack SDK e ambiente di sviluppo

Impostazione dell'ambiente di sviluppo

  • Installazione di JetPack SDK e configurazione della scheda Jetson
  • Comprensione di TensorRT e ottimizzazione del modello
  • Configurazione dell'ambiente di runtime

Ottimizzazione dei modelli di intelligenza artificiale per l'implementazione Edge

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

Distribuzione di modelli IA sui dispositivi Jetson

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

Computer Vision e Deep Learning su Jetson

  • Distribuzione di modelli di classificazione delle immagini e rilevamento degli oggetti
  • Utilizzo dell'intelligenza artificiale per l'analisi video in tempo reale
  • Implementazione di applicazioni robotiche basate sull'intelligenza artificiale

Edge AI Ottimizzazione della sicurezza e delle prestazioni

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

Implementazione del progetto e mondo reale Use Case

  • Creazione di una soluzione IoT basata sull'intelligenza artificiale
  • Implementazione dell'intelligenza artificiale nei sistemi autonomi
  • Casi di studio di AI su dispositivi edge

Riepilogo e passaggi successivi

Requisiti

  • Esperienza con l'addestramento e l'inferenza del modello AI
  • Conoscenza di base dei sistemi embedded
  • Familiarità con la programmazione Python

Pubblico

  • Sviluppatori di intelligenza artificiale
  • Ingegneri embedded
  • Robotics ingegneri
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative