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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории