Edge AI Schulungen in Genf

Diese vom Dozenten geleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an fortgeschrittene KI-Forscher, Data Scientists und Sicherheitsspezialisten, die verteilte Lernmethoden implementieren möchten, um KI-Modelle über mehrere Endgeräte hinweg zu trainieren und dabei den Datenschutz zu wahren.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundprinzipien und Vorteile von verteiltem Lernen in Edge AI zu verstehen.
• Modelle für verteiltes Lernen mit TensorFlow Federated und PyTorch zu implementieren.
• Das KI-Training über verteilte Endgeräte zu optimieren.
• Datenschutz- und Sicherheitsprobleme im Rahmen des verteilten Lernens zu adressieren.
• Systeme für verteiltes Lernen in realen Anwendungen bereitzustellen und zu überwachen.

Diese vom Dozenten geleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an Agritech-Profis auf Einstiegs- bis fortgeschrittenem Niveau, IoT-Spezialisten und KI-Ingenieure, die Edge AI-Lösungen für intelligentes Farming entwickeln und einsetzen möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Rolle von Edge AI in der präzisen Landwirtschaft zu verstehen.
• KI-gesteuerte Systeme zum Monitoring von Nutzpflanzen und Nutztieren umzusetzen.
• Automatisierte Bewässerungs- und Umwelt-Monitoring-Lösungen zu entwickeln.
• Die landwirtschaftliche Effizienz durch Echtzeit-Analysen mit Edge AI zu optimieren.

Dieses vom Dozenten geleitete Live-Training in Genf (online oder vor Ort) richtet sich an fortgeschrittene Cybersecurity-Experten, KI-Ingenieure und IoT-Entwickler, die robuste Sicherheitsmassnahmen und Resilienzstrategien für Edge-AI-Systeme implementieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Sicherheitsrisiken und Schwachstellen bei Edge-AI-Implementierungen zu verstehen.
• Verschlüsselungs- und Authentifizierungstechniken zum Schutz der Daten einzusetzen.
• Widerstandsfähige Edge-AI-Architekturen zu entwerfen, die Cyberbedrohungen standhalten können.
• Sichere Strategien für die KI-Modellbereitstellung in Edge-Umgebungen anzuwenden.

Diese instructor-led Schulung Genf (live, online oder vor Ort) richtet sich an Einsteiger und Fortgeschrittene: Einzelhandelstechnologen, KI-Entwickler und Business Analysten, die Edge-AI-Lösungen für Smart-Checkout-Systeme, Bestandsmanagement und personalisierte Kundeninteraktionen einsetzen möchten.

Nach Abschluss dieser Schulung können die Teilnehmenden:

• verstehen, wie Edge AI die Betriebsabläufe im Einzelhandel und die Kundenerfahrung verbessert.
• KI-gestützte Smart-Checkout- und kassiererlose Zahlungssysteme implementieren.
• das Bestandsmanagement durch Echtzeit-Verfolgung und Analyse optimieren.
• Computervision und KI für personalisierte Einkaufserlebnisse im Laden nutzen.

Diese live unterrichtete Schulung in Genf (online oder vor Ort) richtet sich an Telekommunikationsexpertinnen und -experten auf mittlerem Niveau, KI-Ingenieurinnen und -ingenieure sowie IoT-Spezialistinnen und -spezialisten, die untersuchen möchten, wie 5G-Netze Edge-AI-Anwendungen beschleunigen.

Am Ende dieser Schulung werden die Teilnehmenden:

• die Grundlagen der 5G-Technologie und deren Einfluss auf Edge-AI verstehen.
• KI-Modelle für Anwendungen mit niedriger Latenz in 5G-Umgebungen bereitstellen können.
• Echtzeit-Entscheidungssysteme mit Edge-AI und 5G-Konnektivität implementieren können.
• KI-Workloads für eine effiziente Leistung auf Edge-Geräten optimieren können.

Dieses von einem Dozenten geleitete Live-Training in Genf (online oder vor Ort) richtet sich an eingebettete KI-Entwickler und Edge-Computing-Spezialisten auf mittlerem Niveau, die leichte KI-Modelle feinabstimmen und optimieren möchten, um sie auf ressourcenbeschränkten Geräten bereitzustellen.

Am Ende dieser Schulung können die Teilnehmer:

• Vortrainierte Modelle auswählen und für die Edge-Bereitstellung anpassen.
• Quantisierung, Pruning und andere Komprimierungstechniken anwenden, um Modellgrösse und Latenz zu reduzieren.
• Modelle mittels Transfer Learning für aufgaben-spezifische Leistungen feinabstimmen.
• optimierte Modelle auf realer Edge-Hardware bereitstellen.

Dieses live-durchgeführte, instruktorbasierte Training in Genf (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler und IoT-Professionals mit mittlerem bis fortgeschrittenem Niveau, die Computer-Vision-Modelle für die Echtzeitverarbeitung auf Edge-Geräten implementieren und optimieren möchten.

Nach Abschluss dieses Trainings sind die Teilnehmer in der Lage:

• Die Grundlagen von Edge AI und deren Anwendungen in der Computer Vision zu verstehen.
• Optimierte Deep-Learning-Modelle auf Edge-Geräten für die Echtzeit-Bild- und Videoanalyse bereitzustellen.
• Frameworks wie TensorFlow Lite, OpenVINO und NVIDIA Jetson SDK zur Modellbereitstellung zu nutzen.
• KI-Modelle hinsichtlich Leistung, Energieeffizienz und niedriger Latenz bei der Inferenz zu optimieren.

Dieser von Dozenten geleitete Live-Workshop in Genf (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure für eingebettete Systeme auf mittlerem Niveau, IoT-Entwickler sowie KI-Forscher, die TinyML-Techniken zur Implementierung KI-gestützter Anwendungen auf energieeffizienter Hardware erlernen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• Die Grundlagen von TinyML und Edge-KI zu verstehen.
• Leichtgewichtige KI-Modelle auf Mikrocontrollern bereitzustellen.
• KI-Inferenz für einen geringen Stromverbrauch zu optimieren.
• TinyML in praxisnahe IoT-Anwendungen zu integrieren.

Diese unter der Leitung eines Dozenten stattfindende Live-Schulung in Genf (online oder vor Ort) richtet sich an Roboter-Ingenieure, KI-Entwickler und Automatisierungsspezialisten mit mittlerem bis fortgeschrittenem Kenntnissniveau, die Edge AI für Robotik-Anwendungen implementieren möchten.

Die Teilnehmer können am Ende dieser Schulung:

• Die Rolle von Edge AI in autonomen Systemen verstehen.
• KI-Modelle auf Edge-Geräten für Echtzeit-Robotik bereitstellen.
• Die KI-Leistung für Entscheidungen mit niedriger Latenz optimieren.
• Computer Vision und Sensor Fusion zur robotischen Autonomie integrieren.

Edge & Lightweight Agents ist ein praxisorientierter Kurs zur Bereitstellung von agentenbasierten KI-Workloads auf ressourcenbeschränkten Geräten. Die Teilnehmer lernen, leichte Agenten zu erstellen, zu optimieren und zu verwalten, die lokal Schlüsse ziehen und Inferenzen durchführen können, wodurch Geschwindigkeit, Privatsphäre und Zuverlässigkeit in verteilten Umgebungen verbessert werden. Der Kurs legt Schwerpunkt auf Performance-Tuning, Design mit geringer Latenz und der Integration von Hardware und Software.

Diese angeleitete Live-Schulung (online oder vor Ort) richtet sich an professionelle Anwender mit mittlerem Kenntnisstand, die on-device-Agentensysteme mit Python und Edge-KI-Frameworks implementieren und optimieren möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Architektur und Herausforderungen des Betriebs von agentenbasierter KI auf Edge-Geräten zu verstehen.
• Leichte Agent-Schleifen für ressourcenbeschränkte Umgebungen zu entwerfen.
• Lokale Inferenzen mit TensorFlow Lite, PyTorch Mobile und ONNX zu implementieren.
• Agenten mit Sensoren, Aktoren und IoT-Plattformen zu integrieren.
• Performance, Energieverbrauch und Latenz für den Echtzeitbetrieb zu optimieren.

Kursformat

• Interaktive Vorträge und praktische Demonstrationen.
• Praktische Entwicklung in lokalen oder emulierten Umgebungen.
• Projektbasiertes Lernen und angeleitete Implementierungsübungen.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Terminvereinbarung.

Diese von Instruktoren geleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an fortgeschrittene KI-Ingenieure, Embedded-Entwickler und Hardware-Ingenieure, die KI-Modelle auf Low-Power-Geräten implementieren möchten, während sie den Energieverbrauch minimieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Herausforderungen des Betriebs von KI auf energieeffizienten Geräten zu verstehen.
• Neuronale Netze für Low-Power-Inferenz zu optimieren.
• Quantisierung, Pruning und Modellkompressionstechniken anzuwenden.
• KI-Modelle auf Edge-Hardware mit minimalem Stromverbrauch bereitzustellen.

Dieser von einer Dozentin oder einem Dozenten geleitete, lebendige Trainingskurs in <Ort> (online oder vor Ort) richtet sich an Entwickler:innen mit mittlerem Erfahrungsgrad in KI, eingebettete Ingenieurinnen und Ingenieure sowie Robotik-Ingenieurinnen und -Ingenieure, die KI-Modelle auf NVIDIA Jetson-Plattformen für Edge-Anwendungen optimieren und bereitstellen möchten.

Nach Abschluss dieses Trainings können die Teilnehmer:

• Die Grundlagen von Edge-KI und der NVIDIA Jetson-Hardware verstehen.
• KI-Modelle für die Bereitstellung auf Edge-Geräten optimieren.
• TensorRT zur Beschleunigung des Deep-Learning-Inferenzbetriebs nutzen.
• KI-Modelle mit JetPack SDK und ONNX Runtime bereitstellen.

Diese Dozentengestützte Live-Schulung in Genf (online oder vor Ort) richtet sich an KI-Entwickler auf mittlerem Niveau, Machine-Learning-Ingenieure und Systemarchitekten, die ihre KI-Modelle für den Edge-Einsatz optimieren möchten.

Die Teilnehmer können nach Abschluss dieser Schulung Folgendes:

• Die Herausforderungen und Anforderungen beim Bereitstellen von KI-Modellen auf Edge-Geräten verstehen.
• Techniken zur Modellkompression anwenden, um die Grösse und Komplexität von KI-Modellen zu reduzieren.
• Quasiungsverfahren nutzen, um die Effizienz der Modelle auf Edge-Hardware zu steigern.
• Pruning und weitere Optimierungstechniken implementieren, um die Modellleistung zu verbessern.
• Optimierte KI-Modelle auf verschiedenen Edge-Geräten bereitstellen.

Diese instructor-led-Schulung in Genf (online oder vor Ort) richtet sich an Entwickler mit Vorkenntnissen, Data Scientists und Technikinteressierte, die praktische Fähigkeiten zur Bereitstellung von KI-Modellen auf Edge-Geräten für verschiedene Anwendungen erwerben möchten.

Am Ende dieser Schulung können Teilnehmende:

• Die Prinzipien von Edge AI und deren Vorteile verstehen.
• Die Edge-Computing-Umgebung einrichten und konfigurieren.
• KI-Modelle für den Einsatz am Edge entwickeln, trainieren und optimieren.
• Praktische KI-Lösungen auf Edge-Geräten implementieren.
• Die Leistung von am Edge bereitgestellten Modelle bewerten und verbessern.
• Ethische und sicherheitstechnische Aspekte bei Edge-AI-Anwendungen berücksichtigen.

Diese instructor-led-Schulung in Genf (online oder vor Ort) richtet sich an Fachkräfte im Finanzbereich auf mittlerem Niveau, Fintech-Entwickler und KI-Spezialisten, die Edge-AI-Lösungen in Finanzdienstleistungen implementieren möchten.

Am Ende dieser Schulung werden die Teilnehmenden:

• die Rolle von Edge AI in Finanzdienstleistungen verstehen.
• Betrugserkennungssysteme mit Edge AI implementieren können.
• den Kundenservice durch KI-gestützte Lösungen verbessern können.
• Edge AI für das Risikomanagement und die Entscheidungsfindung anwenden können.
• Edge-AI-Lösungen in Finanzumgebungen bereitstellen und verwalten können.

Diese instructor-led-Liveschulung in Genf (online oder vor Ort) richtet sich an Ingenieur:innen mit Vorkenntnissen in der Industrieautomation, Fachleute aus dem Fertigungsbereich sowie KI-Entwickler:innen, die Edge AI-Lösungen in der industriellen Automatisierung implementieren möchten.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• Die Rolle von Edge AI in der industriellen Automatisierung zu verstehen.
• Lösungen für prädiktive Wartung mit Edge AI zu implementieren.
• KI-Techniken zur Qualitätskontrolle in Fertigungsprozessen anzuwenden.
• Industrielle Prozesse durch Edge AI zu optimieren.
• Edge AI-Lösungen in industriellen Umgebungen bereitzustellen und zu verwalten.

Edge AI bezeichnet die Bereitstellung von KI-Modellen direkt auf Geräten und Maschinen am Rand des Netzwerks, was Echtzeit-Entscheidungen mit minimaler Latenz ermöglicht.

Diese von Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an erfahrene Fachleute für Embedded Systems und IoT, die KI-gestützte Logik- und Steuerungssysteme in Fertigungsumgebungen einsetzen möchten, wo Geschwindigkeit, Zuverlässigkeit und Offline-Betrieb entscheidend sind.

Nach Abschluss dieser Schulung können die Teilnehmer:

• Die Architektur und Vorteile von Edge-AI-Systemen verstehen.
• KI-Modelle für die Bereitstellung auf Embedded-Geräten erstellen und optimieren.
• Tools wie TensorFlow Lite und OpenVINO für die latenzarme Inferenz nutzen.
• Edge-Intelligenz mit Sensoren, Aktoren und industriellen Protokollen integrieren.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Zahlreiche Übungen und Praxisphasen.
• Praktische Implementierung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs anfordern möchten, kontaktieren Sie uns bitte, um die Details zu klären.

Diese dozentengeleitete Live-Schulung in <Ort> (online oder vor Ort) richtet sich an Entwickler, Data Scientists und KI-Experten mit mittlerem Kenntnisstand, die TensorFlow Lite für Edge-AI-Anwendungen nutzen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die Grundlagen von TensorFlow Lite und seine Rolle in der Edge AI zu verstehen.
• KI-Modelle mit TensorFlow Lite zu entwickeln und zu optimieren.
• TensorFlow Lite-Modelle auf verschiedenen Edge-Geräten bereitzustellen.
• Werkzeuge und Techniken für die Modellkonvertierung und Optimierung anzuwenden.
• Praktische Edge-AI-Anwendungen mit TensorFlow Lite zu implementieren.

Diese unter Leitung eines Dozenten stattfindende Live-Schulung in Genf (online oder vor Ort) richtet sich an Stadtplaner, Bauingenieure und Projektmanager im Bereich intelligenter Städte mit mittleren Vorkenntnissen, die Edge AI für Smart-City-Initiativen nutzen möchten.

Am Ende der Schulung sind die Teilnehmer in der Lage:

• Die Rolle von Edge AI in der Infrastruktur intelligenter Städte zu verstehen.
• Edge-AI-Lösungen für Verkehrsmanagement und Überwachung zu implementieren.
• Urbane Ressourcen mithilfe von Edge-AI-Technologien zu optimieren.
• Edge AI in bestehende Smart-City-Systeme zu integrieren.
• Ethische und regulatorische Aspekte bei der Umsetzung von Smart-City-Lösungen zu berücksichtigen.

Diese dozentengeführte, Live-Schulung in Genf (online oder vor Ort) richtet sich an Cybersecurity-Experten auf mittlerem Niveau, Systemadministratoren und KI-Ethikforscher, die Edge-Lösungen absichern und ethisch konform einsetzen möchten.

Am Ende dieses Trainings können die Teilnehmer:

• Die Sicherheits- und Datenschutzherausforderungen in Edge AI verstehen.
• Best Practices für die Absicherung von Edge-Geräten und Daten umsetzen.
• Strategien zur Minderung von Sicherheitsrisiken in Edge AI-Implementierungen entwickeln.
• Ethische Aspekte ansprechen und die Einhaltung von Vorschriften gewährleisten.
• Sicherheitsbewertungen und Audits für Edge AI-Anwendungen durchführen.

Diese von Instructoren geleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an fortgeschrittene Robotikingenieurinnen und Robotikingenieure, Entwickler autonomer Fahrzeuge sowie KI-Forschende, die Edge AI für innovative Lösungen in autonomen Systemen nutzen möchten.

Nach Abschluss dieser Schulung können die Teilnehmer:

• Die Rolle und Vorteile von Edge AI in autonomen Systemen verstehen.
• KI-Modelle für die Echtzeitverarbeitung auf Edge-Geräten entwickeln und bereitstellen.
• Edge-AI-Lösungen in autonomen Fahrzeugen, Drohnen und Robotern implementieren.
• Steuerungssysteme mit Edge AI entwerfen und optimieren.
• Ethische und regulatorische Aspekte autonomer KI-Anwendungen berücksichtigen.

Diese Dozent:in-gestützte Live-Schulung in Genf (online oder vor Ort) richtet sich an professionelle Fachkräfte im Gesundheitswesen mit mittlerem Niveau, Biomedizintechniker:innen und KI-Entwickler:innen, die Edge AI nutzen möchten, um innovative Lösungen für das Gesundheitswesen zu entwickeln.

Am Ende dieser Schulung sind die Teilnehmer in der Lage:

• die Rolle und den Nutzen von Edge AI im Gesundheitswesen zu verstehen.
• KI-Modelle für Gesundheitsanwendungen auf Edge-Geräten zu entwickeln und bereitzustellen.
• Edge-AI-Lösungen in Wearables und Diagnosegeräten zu implementieren.
• Patientenüberwachungssysteme unter Verwendung von Edge AI zu entwerfen und bereitzustellen.
• ethische und regulatorische Aspekte bei KI-Anwendungen im Gesundheitswesen zu berücksichtigen.

Edge AI ermöglicht es künstlichen Intelligenzmodellen, direkt auf eingebetteten oder ressourcenbeschränkten Geräten ausgeführt zu werden. Dies reduziert Latenz und Energieverbrauch und steigert gleichzeitig Autonomie und Datenschutz in robotischen Systemen.

Dieser instruktionsgeleitete, live stattfindende Kurs (online oder vor Ort) richtet sich an Entwickler und Robotikingenieure mit fortgeschrittenen Kenntnissen, die maschinelles Lernen und Optimierungstechniken direkt auf der Robotikhardware mittels TinyML und Edge-AI-Frameworks implementieren möchten.

Am Ende dieses Trainings sind die Teilnehmer in der Lage:

• Die Grundlagen von TinyML und Edge AI für die Robotik zu verstehen.
• KI-Modelle zu konvertieren und für die On-Device-Inferenz bereitzustellen.
• Modelle hinsichtlich Geschwindigkeit, Grösse und Energieeffizienz zu optimieren.
• Edge-AI-Systeme in robotische Steuerungsarchitekturen zu integrieren.
• Diese Leistung und Genauigkeit in realen Szenarien zu evaluieren.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Übungen mit TinyML- und Edge-AI-Toolchains.
• Anwendungsbezogene Übungen auf eingebetteten und robotischen Hardwareplattformen.

Möglichkeiten zur Anpassung des Kurses

• Um einen maßgeschneiderten Trainingskurs für diesen Kurs anzufordern, kontaktieren Sie uns bitte.

Das fortgeschrittene Kursangebot «6G und die intelligente Edge» untersucht die Integration von 6G-Funktechnologien mit Edge Computing, IoT-Ökosystemen und KI-gesteuerter Datenverarbeitung zur Unterstützung intelligenter, latenzarmer und adaptiver Infrastrukturen.

Dieser live vermittelte Kurs (online oder vor Ort) richtet sich an IT-Architekten mit mittlerem Erfahrungsniveau, die die Synergie zwischen 6G-Konnektivität und intelligenten Edge-Systemen verstehen und nächste Generation verteilter Architekturen entwerfen möchten.

Nach Abschluss des Kurses können die Teilnehmer:

• Verstehen, wie 6G das Edge Computing und IoT-Architekturen transformieren wird.
• Verteilte Systeme für ultra-niedrige Latenz, hohe Bandbreite und autonome Operationen entwerfen.
• KI und Datenanalyse an der Edge integrieren, um intelligente Entscheidungsfindung zu ermöglichen.
• Skalierbare, sichere und widerstandsfähige 6G-taugliche Edge-Infrastrukturen planen.
• Geschäfts- und Betriebsmodelle bewerten, die durch die Konvergenz von 6G und Edge ermöglicht werden.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Fallstudien und angewandte Architekturdesign-Übungen.
• Praxisnahe Simulation mit optionalen Edge- oder Container-Tools.

Möglichkeiten zur Kursanpassung

• Um eine individuell angepasste Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese durch einen Dozenten geleitete Live-Schulung in Genf (online oder vor Ort) richtet sich an KI-Praktiker, Forscher und Entwickler auf fortgeschrittenem Niveau, die die neuesten Entwicklungen in der Edge AI beherrschen, ihre KI-Modelle für das Edge-Deployment optimieren und spezialisierte Anwendungen in verschiedenen Branchen erkunden möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Fortgeschrittene Techniken zur Entwicklung und Optimierung von Edge-AI-Modellen zu erkunden.
• neueste Strategien zur Bereitstellung von KI-Modellen auf Edge-Geräten umzusetzen.
• Spezialisierte Tools und Frameworks für erweiterte Edge-AI-Anwendungen zu nutzen.
• Die Leistung und Effizienz von Edge-AI-Lösungen zu optimieren.
• Innovative Anwendungsfälle und aufkommende Trends in der Edge AI zu erkunden.
• Fortgeschrittene ethische und sicherheitstechnische Aspekte bei der Bereitstellung von Edge AI zu berücksichtigen.

Das Ascend CANN Toolkit von Huawei ermöglicht leistungsstarkes KI-Inferenzieren auf Edge-Geräten wie dem Ascend 310. CANN bietet wesentliche Tools zur Kompilierung, Optimierung und Bereitstellung von Modellen in Umgebungen mit begrenzter Rechenleistung und Speicher.

Diese instruktionsgeleitete Live-Schulung (online oder vor Ort) richtet sich an erfahrene KI-Entwickler und Integratoren, die Modelle auf Ascend Edge-Geräten mit der CANN-Toolchain bereitstellen und optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• KI-Modelle für den Ascend 310 mit CANN-Tools vorzubereiten und zu konvertieren.
• Leichtgewichtige Inferenz-Pipelines mit MindSpore Lite und AscendCL zu erstellen.
• Die Modellleistung für Umgebungen mit begrenzter Rechenleistung und Speicher zu optimieren.
• KI-Anwendungen in realen Edge-Einsatzszenarien bereitzustellen und zu überwachen.

Kursformat

• Interaktive Vorlesung und Demonstration.
• Praxisnahe Laboreinheiten mit Edge-spezifischen Modellen und Szenarien.
• Live-Bereitstellungsbeispiele auf virtueller oder physischer Edge-Hardware.

Maßschneiderte Optionen für den Kurs

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese Dozenten-gesteuerte, Live-Schulung in Genf (online oder vor Ort) richtet sich an Entwickler mit mittlerem Erfahrungslevel, Systemarchitekten und Branchenfachleute, die Edge AI nutzen möchten, um ihre IoT-Anwendungen durch intelligente Datenverarbeitung und Analysemöglichkeiten zu verbessern.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Die Grundlagen von Edge AI und deren Anwendung in IoT zu verstehen.
• Edge AI-Umgebungen für IoT-Geräte einzurichten und zu konfigurieren.
• AI-Modelle auf Edge-Geräten für IoT-Anwendungen zu entwickeln und bereitzustellen.
• Echtzeit-Datenverarbeitung und Entscheidungsfindung in IoT-Systemen zu implementieren.
• Edge AI mit verschiedenen IoT-Protokollen und Plattformen zu integrieren.
• Ethische Aspekte und Best Practices im Zusammenhang mit Edge AI für IoT anzusprechen.

Diese dozentengeführte, lebende Schulung in Genf (online oder vor Ort) richtet sich an Entwickler mit mittleren Kenntnissen in der IoT-Entwicklung, eingebettete Ingenieure und KI-Praktiker, die TinyML für prädiktive Wartung, Anomalieerkennung und Anwendungen mit intelligenten Sensoren implementieren möchten.

Abschliessend können die Teilnehmer:

• die Grundlagen von TinyML und dessen Anwendungen im IoT-Umfeld verstehen.
• eine TinyML-Entwicklungsumgebung für IoT-Projekte einrichten.
• ML-Modelle für stromsparende Mikrocontroller entwickeln und bereitstellen.
• prädiktive Wartung und Anomalieerkennung mit TinyML implementieren.
• TinyML-Modelle für eine effiziente Strom- und Speichernutzung optimieren.

Diese unterrichtsgesteuerte, live durchgeführte Schulung in Genf (online oder vor Ort) richtet sich an Entwickler und IT-Fachleute mit mittlerem Niveau, die ein umfassendes Verständnis von Edge AI vom Konzept bis zur praktischen Implementierung, einschließlich Einrichtung und Bereitstellung, erlangen möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundkonzepte von Edge AI zu verstehen.
• Edge AI-Umgebungen einzurichten und zu konfigurieren.
• Edge AI-Modelle zu entwickeln, zu trainieren und zu optimieren.
• Edge AI-Anwendungen bereitzustellen und zu verwalten.
• Edge AI in bestehende Systeme und Arbeitsabläufe zu integrieren.
• Ethische Aspekte und Best Practices bei der Edge AI-Implementierung zu berücksichtigen.

Dieser live geleitete Kurs in Genf (online oder vor Ort) richtet sich an fortgeschrittene Embedded-System-Ingenieure und KI-Entwickler, die maschinellearbeitende Modelle mit TensorFlow Lite und Edge Impulse auf Mikrocontrollern bereitstellen möchten.

Nach Abschluss dieses Trainings können die Teilnehmer:

• Die Grundlagen von TinyML und dessen Vorteile für Edge-KI-Anwendungen verstehen.
• Eine Entwicklungsumgebung für TinyML-Projekte einrichten.
• KI-Modelle auf stromsparenden Mikrocontrollern trainieren, optimieren und bereitstellen.
• TensorFlow Lite und Edge Impulse nutzen, um reale TinyML-Anwendungen zu implementieren.
• KI-Modelle hinsichtlich Energieeffizienz und Speichereinschränkungen optimieren.

Cambricon MLUs (Machine Learning Units) sind spezialisierte KI-Chips, die für Inferenz und Training in Edge- und Rechenzentrums-Szenarien optimiert wurden.

Dieser von einem Dozenten geleitete Live-Kurs (online oder vor Ort) richtet sich an Entwickler auf fortgeschrittenem Niveau, die mit dem BANGPy-Framework und dem Neuware SDK KI-Modelle auf Cambricon MLU-Hardware entwickeln und bereitstellen möchten.

Am Ende dieses Trainings sind die Teilnehmer in der Lage:

• Die Entwicklungsumgebungen für BANGPy und Neuware einzurichten und zu konfigurieren.
• Python- und C++-basierte Modelle für Cambricon MLUs zu entwickeln und zu optimieren.
• Modelle auf Edge- und Rechenzentrums-Geräten mit Neuware-Runtime bereitzustellen.
• ML-Workflows mit MLU-spezifischen Beschleunigungsfunktionen zu integrieren.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Anwendung von BANGPy und Neuware für Entwicklung und Deployment.
• Geführte Übungen mit Fokus auf Optimierung, Integration und Tests.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs basierend auf Ihrem Cambricon-Gerätemodell oder Anwendungsfall anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Dieser von einer Lehrkraft geleitete, live stattfindende Kurs in Genf (online oder vor Ort) richtet sich an Entwickler und IT-Fachleute mit Grundkenntnissen, die die Grundlagen von Edge AI und seine einführenden Anwendungsfälle verstehen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die grundlegenden Konzepte und die Architektur von Edge AI zu verstehen.
• Edge-AI-Umgebungen einzurichten und zu konfigurieren.
• Einfache Edge-AI-Anwendungen zu entwickeln und bereitzustellen.
• Anwendungsfälle und Vorteile von Edge AI zu identifizieren und zu verstehen.

Kombinieren Sie die transformativen Kräfte der KI mit der Agilität von Edge Computing in diesem umfassenden Kurs. Lernen Sie, KI-Modelle direkt auf Endgeräten bereitzustellen – vom Verständnis von CNN-Architekturen bis zur Meisterschaft von Knowledge Distillation und Federated Learning. Diese praxisorientierte Schulung rüstet Sie mit den Fähigkeiten aus, um die KI-Leistung für Echtzeitverarbeitung und Entscheidungsfindung am Edge zu optimieren.