Hubungi Kami

Kerangka Materi

Pendahuluan: AI Cerdas dan Komputasi Edge

  • Gambaran umum mengenai AI cerdas dan komputasi edge
  • Pertimbangan terkait latensi, privasi, serta penggunaan bandwidth
  • Perbandingan arsitektur: agen cloud versus agen pada perangkat edge

Merancang Arsitektur Agen yang Ringan

  • Memecah rangkaian proses agen agar cocok untuk perangkat dengan sumber daya terbatas
  • Desain asinkron guna meningkatkan efisiensi komputasi
  • Menyeimbangkan tingkat otonomi dan konektivitas perangkat

Mengatur Lingkungan Pengembangan

  • Instalasi kerangka kerja Python untuk AI pada perangkat edge
  • Konfigurasi TensorFlow Lite serta PyTorch Mobile
  • Penyiapan lingkungan uji coba di Raspberry Pi atau perangkat sejenis

Implementasi Inferensi Lokal

  • Mengonversi serta mengkuantifikasi model agar siap diterapkan pada perangkat edge
  • Melakukan inferensi menggunakan TensorFlow Lite dan ONNX Runtime
  • Mengintegrasikan hasil inferensi ke dalam mekanisme pengambilan keputusan agen

Integrasi Agen dengan Perangkat Keras dan IoT

  • Koneksi sensor, aktuator, serta modul IoT ke dalam sistem agen
  • Pembuatan saluran pengumpulan dan pemrosesan data lokal
  • Operasi offline dan perilaku berbasis pencetus peristiwa

Optimisasi dan Pemantauan Kinerja

  • Penyetelan kinerja guna mengurangi konsumsi energi sekaligus meningkatkan kecepatan sistem
  • Teknik caching pada perangkat edge serta kompresi model
  • Pemantauan dan pemecahan masalah pada agen yang beroperasi di edge

Proyek Praktis: Menerapkan Agen Ringan pada Perangkat Edge

  • Merancang agen otonom sederhana untuk tugas IoT atau robotika
  • Mengimplementasikan proses inferensi model serta logika lokal
  • Pengujian dan optimisasi terkait latensi serta keandalan sistem

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pengalaman dalam pemrograman Python
  • Pemahaman dasar mengenai alur kerja mesin pembelajaran
  • Pengetahuan awal tentang konsep komputasi embedded atau perangkat edge

Target Peserta

  • Pengembang embedded yang mengintegrasikan AI ke dalam sistem perangkat keras
  • Insinyur ML untuk perangkat edge yang merancang solusi inferensi lokal
  • Tim robotika yang menerapkan AI cerdas dalam operasi otonom
 21 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait