План на курса

Начало на Edge AI в автономни системи

  • Преглед на Edge AI и значението му в автономни системи
  • Основни преимущества и предизвикателства при внедряването на Edge AI в автономни системи
  • Съвременни тенденции и иновации в Edge AI за автономност
  • Реални приложения и изследвания

Реално времеобработка в автономни системи

  • Основни принципи на реално времеобработка на данни
  • AI модели за реално времеприемане на решения
  • Обработка на потоци данни и сензорна фузия
  • Практични примери и изследвания

Edge AI в автономни превозни средства

  • AI модели за превъзнание и контрол на превозно средство
  • Развитие и разпространение на AI решения за реално време навигация
  • Интегриране на Edge AI с системи за контрол на превозни средства
  • Изследвания на Edge AI в автономни превозни средства

Edge AI в дронове

  • AI модели за дроново превъзнание и контрол на полета
  • Реално времеобработка на данни и приемане на решения в дронове
  • Имплементация на Edge AI за автономен полет и избегване на пречки
  • Практични примери и изследвания

Edge AI в робототехника

  • AI модели за роботско превъзнание и манипулация
  • Реално времеобработка и контрол в роботски системи
  • Интегриране на Edge AI с роботски архитектури за контрол
  • Изследвания на Edge AI в робототехника

Развиване на AI модели за автономни приложения

  • Преглед на релевантни модели за машинно обучение и дълбоко обучение
  • Обучение и оптимизация на модели за Edge разпространение
  • Инструменти и платформи за автономен Edge AI (TensorFlow Lite, ROS и др.)
  • Валидация и оценка на модели в автономни среди

Разпространение на Edge AI решения в автономни системи

  • Стъпки за разпространение на AI модели на различна Edge хардуер
  • Реално времеобработка на данни и извличане на заключения на Edge устройства
  • Мониторинг и управление на разпространени AI модели
  • Практични примери за разпространение и изследвания

Етични и регулаторни разсъждения

  • Осигуряване на безопасност и надежност в автономни AI системи
  • Засегнатост на предразсъдъци и справедливост в автономни AI модели
  • Съответствие с регулации и стандарти в автономни системи
  • Добри практики за отговорно разпространение на AI в автономни системи

Оценка на производителността и оптимизация

  • Техники за оценка на производителността на модели в автономни системи
  • Инструменти за реално време мониторинг и диагностика
  • Стратегии за оптимизация на производителността на AI модели в автономни приложения
  • Решаваме проблеми с забавяне, надежност и масовост

Иновативни употреби и приложения

  • Напреднали приложения на Edge AI в автономни системи
  • Детайлни изследвания в различни автономни области
  • Спечелени успехи и извлекли уроци
  • Бъдещи тенденции и възможности в Edge AI за автономност

Практическа работа и упражнения

  • Развиване на комплексно Edge AI приложение за автономна система
  • Реални проекти и сценарии
  • Колективни упражнения
  • Представяне на проекти и отзиви

Резюме и следващи стъпки

Изисквания

  • Разбиране на концепции за изкуствен интелект и машинно обучение
  • Опит с езици за програмиране (предпочитан е Python)
  • Познание в областта на роботиката, автономните системи или свързани технологии

Целева аудитория

  • Инженери по роботика
  • Разработчици на автономни превозни средства
  • Изследователи в областта на изкуствения интелект
 14 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории