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.
Kursplan
Innføring i Edge AI i autonome systemer
- Oversikt over Edge AI og dens betydning i autonome systemer
- Nøkkelfordeler og utfordringer ved implementering av Edge AI i autonome systemer
- Nåværende trender og innovasjoner i Edge AI for autonomi
- Reelle anvendelser og case studies
Ekteidskjøring i autonome systemer
- Grunnleggende prinsipper for ekteidskjøring av data
- AI-modeller for ekteidskjøring av beslutninger
- Håndtering av datastrømmer og sensorfusjon
- Praktiske eksempler og case studies
Edge AI i autonome kjøretøy
- AI-modeller for kjøretøysoppfatning og kontroll
- Utvikling og utplassering av AI-løsninger for ekteidskjøring av navigasjon
- Integrering av Edge AI med kjøretøyskontrollsystemer
- Case studies av Edge AI i autonome kjøretøy
Edge AI i droner
- AI-modeller for droners oppfatning og flykontroll
- Ekteidskjøring av data og beslutninger i droner
- Implementering av Edge AI for autonom flyging og hindringunngåelse
- Praktiske eksempler og case studies
Edge AI i robotikk
- AI-modeller for roboteroppfatning og manipulering
- Ekteidskjøring og kontroll i robotiske systemer
- Integrering av Edge AI med robotkontrollarkitekturer
- Case studies av Edge AI i robotikk
Utvikling av AI-modeller for autonome anvendelser
- Oversikt over relevante maskinlærings- og dyplæringsmodeller
- Trening og optimalisering av modeller for edge-utplassering
- Verktøy og rammeverk for autonom Edge AI (TensorFlow Lite, ROS, etc.)
- Modellvalidering og evaluering i autonome miljøer
Utplassering av Edge AI-løsninger i autonome systemer
- Steder for utplassering av AI-modeller på ulike edge-hardware
- Ekteidskjøring av data og inferens på edge-enheter
- Overvåkning og administrering av utplasserte AI-modeller
- Praktiske utplasseringseksempler og case studies
Etiske og regulerende hensyn
- Sikring av sikkerhet og pålitelighet i autonome AI-systemer
- Adressering av bias og rettferdighet i autonome AI-modeller
- Overholdelse av reguleringer og standarder i autonome systemer
- Beste praksiser for ansvarlig AI-utplassering i autonome systemer
Ytelsevurdering og optimalisering
- Teknikker for å vurdere modellytelse i autonome systemer
- Verktøy for ekteids-overvåkning og feilsøking
- Strategier for optimalisering av AI-modellytelse i autonome anvendelser
- Adressering av latens, pålitelighet og skalbarhetsutfordringer
Innovative anvendelsesområder og anvendelser
- Avanserte anvendelser av Edge AI i autonome systemer
- Dypdykkende case studies i ulike autonome domener
- Sukseshistorier og læringspunkter
- Fremtidige trender og muligheter i Edge AI for autonomi
Praktiske prosjekter og øvelser
- Utvikling av en omfattende Edge AI-anvendelse for et autonomt system
- Reelle prosjekter og scenarier
- Samarbeidsbaserte gruppeøvelser
- Prosjektpresentasjoner og tilbakemelding
Oppsummering og neste steg
Krav
- En forståelse av AI- og maskinlæringskonsepter
- Erfaring med programmeringsspråk (Python anbefales)
- Kjennskap med robotikk, autonome systemer eller relatert teknologi
Målgruppe
- Robotikkingeniører
- Utviklere av autonome kjøretøy
- AI-forskere
14 timer
