Hubungi Kami

Kerangka Materi

Pengantar Edge AI

  • Definisi dan konsep-konsep kunci
  • Perbedaan antara Edge AI dan Cloud AI
  • Keuntungan serta tantangan penerapan Edge AI
  • Gambaran umum aplikasi-aplikasi Edge AI

Arsitektur Edge AI

  • Komponen-komponen utama dalam sistem Edge AI
  • Persyaratan perangkat keras dan perangkat lunaknya
  • Alur data dalam aplikasi-aplikasi berbasis Edge AI
  • Cara mengintegrasikan sistem ini ke dalam infrastruktur yang sudah ada

Pengaturan Lingkungan Pengembangan Edge AI

  • Memahami platform-platform utama untuk pengembangan Edge AI (Raspberry Pi, NVIDIA Jetson, dll.)
  • Instalasi perangkat lunak dan pustaka pendukungnya
  • Konfigurasi lingkungan pengembangan secara menyeluruh
  • Inisialisasi sistem Edge AI yang akan digunakan

Pengembangan Model untuk Lingkungan Edge AI

  • Gambaran mengenai model-model pembelajaran mesin dan deep learning
  • Melatih model agar cocok digunakan di lingkungan perangkat edge
  • Teknik-teknik optimisasi model secara efektif
  • Alat-alat dan kerangka kerja populer dalam pengembangan Edge AI

Penerapan Aplikasi Berbasis Edge AI

  • Langkah-langkah menerapkan model ke perangkat edge
  • Cara memantau dan mengelola model yang telah diterapkan
  • Pemrosesan data secara real-time serta proses inferensi-nya
  • Contoh kasus nyata dari berbagai sektor industri

Penerapan dan Kasus Penggunaan Edge AI

  • Aplikasi Edge AI pada berbagai bidang usaha
  • Studi kasus di bidang kesehatan, otomotif, dan perumahan pintar
  • Kisah sukses beserta pelajaran penting yang dapat dipetik
  • Tren masa depan serta potensi perkembangan Edge AI

Pertimbangan Etika dan Praktik Terbaik dalam Penerapan Edge AI

  • Menjaga privasi dan keamanan data di lingkungan Edge AI
  • Upaya mengurangi bias serta menciptakan keadilan dalam sistem AI
  • Kepatuhan terhadap peraturan dan standar yang berlaku secara hukum
  • Praktik-praktik terbaik guna menerapkan AI dengan tanggung jawab sosial

Proyek dan Latihan Praktis

  • Mengembangkan aplikasi Edge AI yang sederhana secara mandiri
  • Simulasi situasi-situasi nyata dan proyek kecil untuk latihan
  • Latihan kelompok dengan kerja sama tim yang aktif
  • Presentasi hasil karya masing-masing peserta beserta umpan balik dari instruktur

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pemahaman dasar mengenai konsep kecerdasan buatan dan pembelajaran mesin
  • Pengalaman dalam menggunakan bahasa pemrograman (Python sangat disarankan)
  • Pengetahuan umum mengenai sistem komputasi

Target Peserta

  • Para pengembang perangkat lunak
  • Profesional di bidang teknologi informasi
 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait