Contattataci

Struttura del corso

Introduzione all’intelligenza artificiale agentica e all’ambiente Edge

  • Panoramica sull’AI agentica e sul calcolo distribuito Edge
  • Considerazioni relative a latenza, privacy e larghezza di banda
  • Confronto architetturale: agenti nel cloud vs. agenti Edge

Progettazione di architetture per agenti leggeri

  • Scomposizione del ciclo operativo dell’agente in componenti adatti a sistemi con risorse limitate
  • Progettazione asincrona per garantire un’elaborazione efficiente
  • Bilanciamento tra autonomia decisionale e capacità di connessione

Configurazione dell’ambiente di sviluppo

  • Installazione dei framework Python dedicati all’intelligenza artificiale per ambienti Edge
  • Configurazione di TensorFlow Lite e PyTorch Mobile
  • Configurazione di ambienti di test su dispositivi come Raspberry Pi o simili

Implementazione dell’inferenza in locale

  • Conversione e quantizzazione dei modelli per un’adeguata distribuzione su dispositivi Edge
  • Esecuzione delle elaborazioni tramite TensorFlow Lite e ONNX Runtime
  • Integrazione dei risultati dell’inferenza nei cicli decisionali degli agenti

Integrazione degli agenti con hardware e dispositivi IoT

  • Collegamento di sensori, attuatori e moduli IoT
  • Creazione di pipeline per la raccolta e l’elaborazione dei dati in modo locale
  • Funzionamento offline e reazioni a eventi generati dal sistema

Ottimizzazione e monitoraggio delle prestazioni

  • Calibrazione ottimale per ridurre i consumi energetici mantenendo elevate velocità di elaborazione
  • Tecniche di compressione dei modelli e caching Edge
  • Monitoraggio ed eventuale risoluzione dei problemi negli agenti operanti su dispositivi remoti

Progetto pratico: implementazione di un agente leggero su hardware Edge

  • Progettazione di un piccolo agente autonomo destinato a compiti IoT o robotici
  • Implementazione dell’inferenza del modello e della logica locale operativa
  • Verifica ed ottimizzazione in merito a latenza, stabilità e affidabilità complessiva

Sintesi e prospettive future

Requisiti

  • Esperienza nella programmazione con Python
  • Conoscenze di base sui flussi di lavoro legati all’apprendimento automatico
  • Familiarità con i concetti fondamentali del calcolo embedded e Edge

Destinatari

  • Sviluppatori embedded che desiderano integrare l’intelligenza artificiale nei propri sistemi hardware
  • Ingegneri specializzati in machine learning per ambienti Edge, intenti a progettare soluzioni di inferenza su dispositivo
  • Team impegnati nello sviluppo di robotica e nell’implementazione di intelligenza artificiale agentica per operazioni autonome
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative