Kerangka Materi

Pengenalan Ke Edge AI

  • Definisi dan konsep utama
  • Perbedaan antara Edge AI dan Cloud AI
  • Manfaat dan tantangan Edge AI
  • Tinjauan aplikasi Edge AI

Arsitektur Edge AI

  • Komponen sistem Edge AI
  • Persyaratan perangkat keras dan perangkat lunak
  • Aliran data dalam aplikasi Edge AI
  • Integrasi dengan sistem yang ada

Menyiapkan Lingkungan Edge AI

  • Pengenalan ke platform Edge AI (Raspberry Pi, NVIDIA Jetson, dll.)
  • Memasang perangkat lunak dan perpustakaan yang diperlukan
  • Mengkonfigurasi lingkungan pengembangan
  • Menginisialisasi pengaturan Edge AI

Mengembangkan Model Edge AI

  • Tinjauan model belajar mesin dan deep learning untuk perangkat tepi
  • Melatih model khusus untuk penempatan tepi
  • Teknik untuk mengoptimalkan model untuk perangkat tepi
  • Alat dan kerangka kerja untuk pengembangan Edge AI (TensorFlow Lite, OpenVINO, dll.)

Manajemen Data dan Pra-pemrosesan untuk Edge AI

  • Teknik pengumpulan data untuk lingkungan tepi
  • Pra-pemrosesan dan penambahan data untuk perangkat tepi
  • Mengelola pipa data pada perangkat tepi
  • Memastikan privasi dan keamanan data dalam lingkungan tepi

Menyiapkan Aplikasi Edge AI

  • Langkah-langkah untuk menempatkan model pada berbagai perangkat tepi
  • Teknik untuk memantau dan mengelola model yang ditempatkan
  • Pemrosesan dan inferensi data real-time pada perangkat tepi
  • Studi kasus dan contoh praktis dari penempatan

Mengintegrasikan Edge AI dengan Sistem IoT

  • Menyambungkan solusi Edge AI dengan perangkat dan sensor IoT
  • Protokol komunikasi dan metode pertukaran data
  • Membangun solusi Edge AI dan IoT dari ujung ke ujung
  • Contoh praktis dan kasus penggunaan

Kasus Penggunaan dan Aplikasi

  • Aplikasi Edge AI berdasarkan industri
  • Studi kasus mendalam di kesehatan, otomotif, dan rumah pintar
  • Cerita sukses dan pelajaran yang dipelajari
  • Tren dan kesempatan masa depan dalam Edge AI

Konsiderasi Etika dan Praktik Terbaik

  • Memastikan privasi dan keamanan dalam penempatan Edge AI
  • Mengatasi bias dan ketimpangan dalam model Edge AI
  • Kepatuhan terhadap peraturan dan standar
  • Praktik terbaik untuk penempatan AI yang bertanggung jawab

Proyek dan Latihan Tangani Sendiri

  • Mengembangkan aplikasi Edge AI yang kompleks
  • Proyek dan skenario dunia nyata
  • Latihan kelompok kolaboratif
  • Presentasi proyek dan umpan balik

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang konsep dasar AI dan pembelajaran mesin
  • Pengalaman dengan bahasa pemrograman (Python direkomendasikan)
  • Familiarity with edge computing and IoT concepts

Penonton

  • Pengembang
  • Profesi TI
 14 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait