Hubungi Kami

Kerangka Materi

Pendahuluan AI Tepi untuk Pengolahan Gambar

  • Gambaran umum AI Tepi serta keuntungannya
  • Perbandingan: Kecerdasan Buatan Berbasis Cloud vs AI Tepi
  • Tantangan utama dalam pengolahan gambar real-time

Penerapan Model Pembelajaran Mendalam di Perangkat Tepi

  • Pengenalan TensorFlow Lite dan OpenVINO
  • Teknik mengoptimalkan dan mengkuantisasi model untuk penerapan di perangkat tepi
  • Studi kasus: Mengoperasikan YOLOv8 pada perangkat tepi

Akselerasi Perangkat Keras untuk Inferensi Real-Time

  • Gambaran umum perangkat keras komputasi tepi (Jetson, Coral, FPGAs)
  • Memanfaatkan akselerasi GPU dan TPU
  • Metode pengujian kinerja serta evaluasinya

Deteksi Objek dan Pelacakan Secara Real-Time

  • Implementasi deteksi objek menggunakan model YOLO
  • Melacak objek yang bergerak dalam waktu nyata
  • Meningkatkan akurasi deteksi melalui penggabungan data sensor

Teknik Optimisasi untuk AI Tepi

  • Cara mengurangi ukuran model lewat pemangkasan dan kuantisasi
  • Metode untuk menekan latensi serta konsumsi daya perangkat
  • Pelatihan ulang dan penyesuaian model AI Tepi

Mengintegrasikan AI Tepi dengan Sistem IoT

  • Menerapkan model kecerdasan buatan pada kamera pintar serta perangkat IoT lainnya
  • Peran AI Tepi dalam pengambilan keputusan real-time
  • Komunikasi antara perangkat tepi dan sistem cloud

Aspek Keamanan serta Etika dalam AI Tepi

  • Masalah privasi data pada aplikasi AI Tepi
  • Menjamin keamanan model dari serangan jahat
  • Kepatuhan terhadap regulasi serta prinsip-prinsip etika pengembangan AI

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mengenai konsep-konsep dasar pengolahan gambar
  • Pengalaman dalam pemrograman Python serta kerangka kerja pembelajaran mendalam
  • Pengetahuan dasar tentang komputasi tepi dan perangkat IoT

Target Peserta

  • Insinyur pengolahan gambar
  • Pengembang kecerdasan buatan
  • Profesional bidang IoT
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait