Kerangka Materi

Pengantar ke Edge dan Agentic AI

  • Gambaran umum tentang agen AI dan komputasi edge
  • Pertimbangan latensi, privasi, dan bandwidth
  • Perbandingan arsitektur: agen cloud vs. edge

Mendesain Arsitektur Agen Ringan

  • Membagi loop agen untuk sistem terbatas
  • Desain asinkron untuk komputasi efisien
  • Menyeimbangkan otonomi dan konektivitas

Mengatur Lingkungan Pengembangan

  • Memasang framework Python untuk AI edge
  • Menkonfigurasi TensorFlow Lite dan PyTorch Mobile
  • Menggunakan lingkungan uji coba di Raspberry Pi atau perangkat serupa

Mengimplementasikan Inferensi On-Device

  • Mengubah dan mengkuantisasi model untuk penyebaran edge
  • Menjalankan inferensi dengan TensorFlow Lite dan ONNX Runtime
  • Mengintegrasikan hasil inferensi ke dalam loop keputusan agen

Mengintegrasikan Agen dengan Perangkat Keras dan IoT

  • Menyambungkan sensor, aktuator, dan modul IoT
  • Pipa pengumpulan data lokal dan pemrosesan
  • Operasi offline dan perilaku berbasis peristiwa

Penyempurnaan dan Pemantauan

  • Penyempurnaan performa untuk daya rendah dan kecepatan tinggi
  • Teknik penyimpanan edge dan kompresi model
  • Pemantauan dan debugging agen edge

Proyek Praktis: Menyebar Agen Ringan di Perangkat Keras Edge

  • Mendesain agen otonom kecil untuk tugas IoT atau robotika
  • Mengimplementasikan inferensi model dan logika lokal
  • Pengujian dan penyempurnaan untuk latensi dan keterandalan

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pengalaman dengan pemrograman Python
  • Pemahaman dasar tentang alur kerja pembelajaran mesin
  • Kenalan dengan konsep komputasi tertanam atau edge

Audience

  • Pengembang tertanam yang mengintegrasikan AI ke dalam sistem perangkat keras
  • Insinyur ML edge yang mendesain solusi inferensi on-device
  • Tim robotika yang menerapkan agen AI untuk operasi otonom
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait