Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan tentang Edge AI
- Definisi dan konsep-konsep utama
- Perbedaan antara Edge AI dan cloud AI
- Manfaat dan kasus penggunaan Edge AI
- Tinjauan perangkat dan platform Edge
Mempersiapkan Lingkungan Edge
- Pengenalan perangkat Edge (Raspberry Pi, NVIDIA Jetson, dll.)
- Memasang perangkat lunak dan library yang diperlukan
- Konfigurasi lingkungan pengembangan
- Mempersiapkan perangkat keras untuk peluncuran AI
Mengembangkan Model AI untuk Edge
- Tinjauan model machine learning dan deep learning untuk perangkat Edge
- Teknik untuk melatih model di lingkungan lokal dan cloud
- Optimasi model untuk peluncuran Edge (kuantisasi, pemangkasan, dll.)
- Alat dan kerangka kerja untuk pengembangan Edge AI (TensorFlow Lite, OpenVINO, dll.)
Meluncurkan Model AI pada Perangkat Edge
- Langkah-langkah untuk meluncurkan model AI pada berbagai perangkat keras Edge
- Pengolahan data dan inferensi real-time pada perangkat Edge
- Memantau dan mengelola model yang diluncurkan
- Contoh praktis dan studi kasus
Solusi dan Proyek AI Praktek
- Mengembangkan aplikasi AI untuk perangkat Edge (misalnya, komputer vision, natural language processing)
- Proyek praktik: Membangun sistem kamera pintar
- Proyek praktik: Mengimplementasikan pengenalan suara pada perangkat Edge
- Proyek kelompok kolaboratif dan skenario dunia nyata
Penilaian Kinerja dan Optimasi
- Teknik untuk menilai kinerja model pada perangkat Edge
- Alat untuk memantau dan mendebug aplikasi Edge AI
- Strategi untuk mengoptimasi kinerja model AI
- Mengatasi tantangan keterlambatan dan konsumsi daya
Integrasi dengan Sistem IoT
- Menyambungkan solusi Edge AI dengan perangkat dan sensor IoT
- Protokol komunikasi dan metode pertukaran data
- Membangun solusi end-to-end Edge AI dan IoT
- Contoh integrasi praktis
Perkara Keamanan dan Etika
- Menyediakan privasi dan keamanan data dalam aplikasi Edge AI
- Menangani bias dan keadilan dalam model AI
- Patuh terhadap peraturan dan standar
- Prinsip-prinsip terbaik untuk peluncuran AI bertanggung jawab
Proyek dan Latihan Praktek
- Mengembangkan aplikasi Edge AI komprehensif
- Proyek dan skenario dunia nyata
- Latihan kelompok kolaboratif
- Pembicaraan dan ulasan proyek
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman konsep AI dan machine learning
- Pengalaman dengan bahasa pemrograman (Python direkomendasikan)
- Kemampuan dengan konsep edge computing
Target Peserta
- Pengembang (developers)
- Ilmuwan data (data scientists)
- Penggemar teknologi (tech enthusiasts)
14 Jam
Testimoni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kursus - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.
