Kursplan

Introduktion till Edge AI och NVIDIA Jetson

  • Översikt över edge AI-applikationer
  • Introduktion till NVIDIA Jetson-hårdvara
  • JetPack SDK-komponenter och utvecklingsmiljö

Installation av utvecklingsmiljön

  • Installera JetPack SDK och ställa in Jetson-kortet
  • Förstå TensorRT och modelldoptimering
  • Konfigurera runtime-miljön

Optimering av AI-modeller för Edge Deployment

  • Modelkvantisering och beskärningstekniker
  • Att använda TensorRT för modelaccelerering
  • Konvertera modeller till ONNX-format

Distribuera AI-modeller på Jetson-enheter

  • Köra inferenser med TensorRT
  • Integrera AI-modeller med realtidsapplikationer
  • Optimera prestanda och minska latensen

Computer Vision och Deep Learning på Jetson

  • Distribuera bildklassificerings- och objektdetekteringsmodeller
  • använda AI för realtidsvideoanalys
  • Genomföra AI-drivna robotikapplikationer

Edge AI Säkerhet och prestandaoptimering

  • Säkra AI-modeller på edge-enheter
  • Energioptimering och termisk hantering
  • Skala AI-applikationer på Jetson-plattformar

Projektgenomförande och verkliga Use Case fall

  • Bygga en AI-drivet IoT-lösning
  • Distribuera AI i autonoma system
  • Fallstudier av AI på edge-enheter

Sammanfattning och nästa steg

Krav

  • Erfarenhet av AI-modellträning och -slutledning
  • Grundläggande kunskaper om inbyggda system
  • Kännedom om Python programmering

Målgrupp

  • AI-utvecklare
  • Inbäddade ingenjörer
  • Robotics ingenjörer
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier