Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή στο Edge AI για την Computer Vision
- Περιγραφή του Edge AI και των πλεονεκτημάτων του
- Σύγκριση: Cloud AI εναντίον Edge AI
- Κλειδ από τα προβλήματα στην πραγματική ώρα επεξεργασίας εικόνων
Ανάπτυξη Deep Learning Models σε Edge Devices
- Εισαγωγή στο TensorFlow Lite και OpenVINO
- Υπερχρησιμότητα και ποσοτικοποίηση μοντέλων για ανάπτυξη σε edge devices
- Πειραματική μελέτη: εκτέλεση YOLOv8 σε edge device
Hardware Acceleration για πραγματική ώρα inference
- Περιγραφή του hardware edge computing (Jetson, Coral, FPGAs)
- Χρήση GPU και TPU acceleration
- Benchmarking και αξιολόγηση επίδοσης
Real-Time Object Detection και Tracking
- Εφαρμογή object detection με τους πυρήνες YOLO
- Tracking κινητών αντικειμένων σε πραγματική ώρα
- Ενίσχυση της ακρίβειας της εντοπιστικότητας με sensor fusion
Techniques for Optimization στο Edge AI
- Μείωση του μεγέθους των μοντέλων με pruning και quantization
- Techniques για μείωση latency και power consumption
- Edge AI model retraining και fine-tuning
Συμβάν στο Edge AI με IoT Systems
- Ανάπτυξη AI models σε smart cameras και IoT devices
- Edge AI και πραγματική ώρα απόφασης
- Επικοινωνία μεταξύ edge devices και cloud systems
Security και Ethical Considerations στο Edge AI
- Σημασία της data privacy στις εφαρμογές edge AI
- Αποκάλυψη model security εναντίον adversarial attacks
- Συμμόρφωση με τους κώδικες για AI regulations και ethical AI principles
Περίληψη και Next Steps
Requirements
- Εξοικείωση με τα concept της υπολογιστικής επισκόπησης
- Δεξιότητα στο Python και πλαίσια βαθύ μάθησης
- Βασική γνώση του edge computing και IoT εφαρμογών
Πληροφόρηση
- Βιομηχανικοί για υπολογιστική επισκόπηση
- Προγραμmatιστές AI
- Ειδίκευση σε IoT
21 Hours
Testimonials (1)
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Course - Computer Vision with OpenCV
Machine Translated
