Schulungsübersicht

Einführung in Edge AI und NVIDIA Jetson

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

Einrichtung der Entwicklungsumgebung

  • Installation des JetPack SDK und Einrichtung der Jetson-Platine
  • Verständnis von TensorRT und Modelloptimierung
  • Konfiguration der Laufzeitumgebung

Optimierung von AI-Modellen für Edge-Ausführung

  • Techniken der Modellquantisierung und -Schere
  • Nutzung von TensorRT zur Beschleunigung des Deep-Learning-Inferenzes
  • Konvertierung von Modellen in ONNX-Format

Bereitstellung von AI-Modellen auf Jetson-Geräten

  • Ausführen des Inferenzes mit TensorRT
  • Integration von AI-Modellen in Echtzeitanwendungen
  • Optimierung der Leistung und Reduzierung der Latenz

Computer Vision und Deep Learning auf Jetson

  • Bereitstellung von Modellen zur Bildklassifizierung und Objekterkennung
  • Nutzung von AI für Echtzeitanalyse von Videos
  • Implementierung von robotikgestützten Anwendungen mit AI

Edge-AI-Sicherheit und Leistungs-Optimierung

  • Sicherstellung der Sicherheit von AI-Modellen auf Edge-Geräten
  • Effizienz der Energieversorgung und Wärmeleitung
  • Skalierung von AI-Anwendungen auf Jetson-Plattformen

Projektumsetzung und Praxisbeispiele

  • Erstellung einer IoT-Lösung mit AI
  • Bereitstellen von AI in autonomen Systemen
  • Fallstudien von AI auf Edge-Geräten

Zusammenfassung und Nächste Schritte

Voraussetzungen

  • Erfahrung mit der Ausbildung und dem Schließen von AI-Modellen
  • Grundlegendes Wissen über eingebettete Systeme
  • Vertrautheit mit Python-Programmierung

Zielgruppe

  • AI-Entwickler
  • Eingebettete Ingenieure
  • Robotik-Ingenieure
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien