Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в Edge AI in Autonomous Systems
- Преглед на Edge AI и неговото значение в автономните системи
- Основни предимства и предизвикателства от внедряването на Edge AI в автономни системи
- Актуални тенденции и иновации в Edge AI за автономност
- Реални приложения и казуси
Обработка в реално време в автономни системи
- Основи на обработката на данни в реално време
- AI модели за вземане на решения в реално време
- Обработка на потоци от данни и сливане на сензори
- Практически примери и казуси
Edge AI в автономни превозни средства
- AI модели за възприемане и управление на превозни средства
- Разработване и внедряване на AI решения за навигация в реално време
- Интегриране на Edge AI със системи за управление на превозни средства
- Казуси от Edge AI в автономни превозни средства
Edge AI в дронове
- AI модели за възприемане на дрон и контрол на полета
- Обработка на данни в реално време и вземане на решения в дронове
- Внедряване на Edge AI за автономен полет и избягване на препятствия
- Практически примери и казуси
Edge AI в Robotics
- AI модели за роботизирано възприятие и манипулация
- Обработка и управление в реално време в роботизирани системи
- Интегриране на Edge AI с роботизирани архитектури за управление
- Казуси от Edge AI в роботиката
Разработване на AI модели за автономни приложения
- Преглед на подходящи модели за машинно обучение и дълбоко обучение
- Обучение и оптимизиране на модели за крайно внедряване
- Инструменти и рамки за автономен Edge AI (TensorFlow Lite, ROS и др.)
- Валидиране и оценка на модела в автономни настройки
Внедряване на Edge AI решения в автономни системи
- Стъпки за внедряване на AI модели на различен периферен хардуер
- Обработка на данни в реално време и изводи на крайни устройства
- Мониторинг и управление на внедрени AI модели
- Примери за практическо внедряване и казуси
Етични и регулаторни съображения
- Осигуряване на безопасност и надеждност в автономните AI системи
- Справяне с пристрастията и справедливостта в автономните AI модели
- Съответствие с разпоредбите и стандартите в автономните системи
- Най-добри практики за отговорно внедряване на AI в автономни системи
Оценка на ефективността и оптимизация
- Техники за оценка на производителността на модела в автономни системи
- Инструменти за наблюдение и отстраняване на грешки в реално време
- Стратегии за оптимизиране на производителността на AI модел в автономни приложения
- Справяне с предизвикателствата, свързани със закъснението, надеждността и скалируемостта
Иновативни Use Caseи приложения
- Разширени приложения на Edge AI в автономни системи
- Задълбочени казуси в различни автономни области
- Истории на успеха и научени уроци
- Бъдещи тенденции и възможности в Edge AI за автономност
Практически проекти и упражнения
- Разработване на цялостно приложение Edge AI за автономна система
- Реални проекти и сценарии
- Съвместни групови упражнения
- Представяне на проекти и обратна връзка
Обобщение и следващи стъпки
Изисквания
- Разбиране на концепциите за AI и машинно обучение
- Опит с езици за програмиране (Python препоръчително)
- Познаване на роботиката, автономните системи или свързаните с тях технологии
Публика
- Robotics инженери
- Разработчици на автономни превозни средства
- Изследователи на AI
14 Часа