Schița de curs
Introducere în Edge AI
- Definiție și concepte cheie
- Diferențe între Edge AI și cloud AI
- Beneficii și cazuri de utilizare ale Edge AI
- Prezentare generală a dispozitivelor și platformelor edge
Configurarea Mediului Edge
- Introducere în dispozitive edge (Raspberry Pi, NVIDIA Jetson, etc.)
- Instalarea software-ului și a bibliotecilor necesare
- Configurarea mediului de dezvoltare
- Pregătirea hardware-ului pentru implementarea AI
Dezvoltarea Modelelor de AI pentru Edge
- Prezentare generală a modelelor de învățare automată și deep learning pentru dispozitive edge
- Tehnici de antrenare a modelelor în medii locale și cloud
- Optimizarea modelelor pentru implementarea pe edge (cuantizare, pruning, etc.)
- Instrumente și framework-uri pentru dezvoltarea Edge AI (TensorFlow Lite, OpenVINO, etc.)
Implementarea Modelelor de AI pe Dispozitive Edge
- Pași pentru implementarea modelelor de AI pe diverse hardware-uri edge
- Procesarea și inferența datelor în timp real pe dispozitive edge
- Monitorizarea și gestionarea modelelor implementate
- Exemple practice și studii de caz
Soluții și Proiecte Practice de AI
- Dezvoltarea aplicațiilor de AI pentru dispozitive edge (de ex., vizualizare computerizată, procesare de limbaj natural)
- Proiect practic: Construirea unui sistem de cameră inteligentă
- Proiect practic: Implementarea recunoașterii vocale pe dispozitive edge
- Proiecte de grup și scenarii din lumea reală
Evaluarea și Optimizarea Performanței
- Tehnici de evaluare a performanței modelelor pe dispozitive edge
- Instrumente pentru monitorizarea și depanarea aplicațiilor Edge AI
- Strategii de optimizare a performanței modelelor de AI
- Abordarea provocărilor legate de latență și consumul de energie
Integrarea cu Sistemele IoT
- Conectarea soluțiilor Edge AI cu dispozitive și senzori IoT
- Protocoale de comunicare și metode de schimb de date
- Construirea unei soluții complete Edge AI și IoT
- Exemple practice de integrare
Considerații Ețice și de Securitate
- Asigurarea confidențialității și securității datelor în aplicațiile Edge AI
- Abordarea părtinirii și echității în modelele de AI
- Conformitatea cu reglementările și standardele
- Bune practici pentru implementarea responsabilă a AI
Proiecte și Exerciții Practice
- Dezvoltarea unei aplicații complete Edge AI
- Proiecte și scenarii din lumea reală
- Exerciții de grup colaborative
- Prezentări de proiect și feedback
Rezumat și Următorii Pași
Cerințe
- Înțelegerea conceptelor de AI și învățare automată
- Experiență cu limbaje de programare (Python recomandat)
- Familiaritate cu conceptele de edge computing
Audiență
- Dezvoltatori
- Oameni de știință de date
- Entuziaști ai tehnologiei
Mărturii (2)
ecosistemul ML nu include doar MLFlow, ci și Optuna, hyperops, Docker și Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
M-a plăcut să particip la instruirea Kubeflow, care a avut loc la distanță. Această instruire mi-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toate instrumentele devOps în jurul Kubeflow, care reprezintă bazele necesare pentru a aborda subiectul cu succes. Vreau să-i mulțumesc lui Malawski Marcin pentru răbdarea sa și profesionalismul demonstrat în instruire și sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite unghiuri, folosind diferite instrumente de implementare precum Ansible, EKS kubectl, Terraform. Acum sunt cu adevărat convins că intru în domeniul de aplicație potrivit.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina
