Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Edge- und Agentische KI
- Überblick über agentische KI und Edge-Computing
- Berücksichtigung von Latenz, Datenschutz und Bandbreite
- Architekturvergleich: Cloud- vs. Edge-Agenten
Gestaltung schlanker Agenten-Architekturen
- Aufschlüsselung des Agenten-Loops für Systeme mit Einschränkungen
- Asynchrones Design für effiziente Berechnungen
- Balance zwischen Autonomie und Konnektivität
Einrichtung der Entwicklungsumgebung
- Installation von Python-Frameworks für Edge-AI
- Konfiguration von TensorFlow Lite und PyTorch Mobile
- Einsatz von Testumgebungen auf Raspberry Pi oder ähnlichen Geräten
Implementierung der Inferenz auf dem Gerät
- Konvertierung und Quantisierung von Modellen für den Edge-Einsatz
- Ausführung der Inferenz mit TensorFlow Lite und ONNX Runtime
- Integration der Inferenzergebnisse in Entscheidungs-Schleifen der Agenten
Integration von Agenten mit Hardware und IoT
- Anbindung von Sensoren, Aktoren und IoT-Modulen
- Lokale Datenerfassung und -verarbeitungspipelines
- Offline-Betrieb und ereignisgesteuertes Verhalten
Optimierung und Überwachung
- Leistungstuning für niedrigen Energieverbrauch und hohe Geschwindigkeit
- Edge-Caching- und Modellkompressionstechniken
- Überwachung und Debugging von Edge-Agenten
Praktisches Projekt: Einsetzung eines schlanken Agenten auf Edge-Hardware
- Gestaltung eines kleinen autonomen Agenten für eine IoT- oder Robotik-Aufgabe
- Implementierung der Modell-Inferenz und der lokalen Logik
- Testen und Optimieren hinsichtlich Latenz und Zuverlässigkeit
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in der Python-Programmierung
- Grundlegendes Verständnis von Machine-Learning-Workflows
- Vertrautheit mit Konzepten der Embedded- oder Edge-Computing
Zielgruppe
- Embedded-Entwickler, die KI in Hardware-Systeme integrieren
- Edge-ML-Ingenieure, die Inference-Lösungen auf dem Gerät entwerfen
- Robotik-Teams, die agentische KI für den autonomen Betrieb einsetzen
21 Stunden
