Schulungsübersicht

Einführung in Edge AI und NVIDIA Jetson

  • Überblick über Edge AI-Anwendungen
  • Einführung in die NVIDIA Jetson Hardware
  • JetPack SDK-Komponenten und Entwicklungsumgebung

Einrichten der Entwicklungsumgebung

  • Installieren des JetPack SDK und Einrichten des Jetson Boards
  • Verstehen von TensorRT und Modelloptimierung
  • Konfigurieren der Laufzeitumgebung

Optimierung von KI-Modellen für die Edge-Bereitstellung

  • Modellquantisierung und Pruning-Techniken
  • Verwendung von TensorRT zur Modellbeschleunigung
  • Konvertierung von Modellen in das ONNX-Format

Einsatz von AI Modellen auf Jetson Geräten

  • Ausführen von Inferenz mit TensorRT
  • Integration von KI-Modellen mit Echtzeitanwendungen
  • Optimieren der Leistung und Reduzieren der Latenz

Computer Vision und Deep Learning auf Jetson

  • Einsatz von Modellen zur Bildklassifizierung und Objekterkennung
  • Einsatz von KI für die Echtzeit-Videoanalytik
  • Implementierung von KI-gesteuerten Robotik-Anwendungen

Edge AI Sicherheit und Leistungsoptimierung

  • Absicherung von KI-Modellen auf Edge-Geräten
  • Leistungseffizienz und Wärmemanagement
  • Skalierung von KI-Anwendungen auf Jetson-Plattformen

Projektimplementierung und reale Welt Use Cases

  • Aufbau einer KI-gestützten IoT-Lösung
  • Einsatz von KI in autonomen Systemen
  • Fallstudien zu KI auf Edge-Geräten

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung mit dem Training und der Inferenz von KI-Modellen
  • Grundkenntnisse über eingebettete Systeme
  • Vertrautheit mit der Python-Programmierung

Zielgruppe

  • KI-Entwickler
  • Eingebettete Ingenieure
  • Robotics Ingenieure
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien