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 Agentic AI
- Überblick über agentische KI und Edge-Computing
- Berücksichtigung von Latenz, Datenschutz und Bandbreite
- Architektonischer Vergleich: Cloud- vs. Edge-Agenten
Entwurf von Lightweight-Agentenarchitekturen
- Zerlegung der Agentenschleife für beschränkte Systeme
- Asynchrones Design für effiziente Berechnungen
- Ausbalancieren von Autonomie und Konnektivität
Einrichtung der Entwicklungsumgebung
- Installation von Python-Frameworks für Edge-KI
- Konfiguration von TensorFlow Lite und PyTorch Mobile
- Deployen von Testumgebungen auf einem Raspberry Pi oder ähnlichen Geräten
Implementierung der Inferenz auf dem Gerät
- Konvertierung und Quantisierung von Modellen für die Edge-Implementierung
- Ausführen der Inferenz mit TensorFlow Lite und ONNX Runtime
- Integration der Inferenzergebnisse in Agenten-Entscheidungsschleifen
Integration von Agenten mit Hardware und IoT
- Anbindung von Sensoren, Aktoren und IoT-Modulen
- Lokale Datensammlung und Verarbeitungs-Pipelines
- Offline-Betrieb und ereignisgesteuertes Verhalten
Optimierung und Überwachung
- Performance-Tuning für niedrigen Stromverbrauch und hohe Geschwindigkeit
- Edge-Caching und Techniken zur Modellkompression
- Überwachung und Fehlerbehebung von Edge-Agenten
Praktisches Projekt: Deployment eines Lightweight-Agenten auf Edge-Hardware
- Entwurf eines kleinen autonomen Agenten für eine IoT- oder Robotik-Aufgabe
- Implementierung der Modell-Inferenz und der lokalen Logik
- Testen und Optimieren für Latenz und Zuverlässigkeit
Zusammenfassung und weitere Schritte
Voraussetzungen
- Erfahrung in der Python-Programmierung
- Grundlegendes Verständnis von Machine-Learning-Workflows
- Vertrautheit mit Konzepten des Embedded- oder Edge-Computing
Zielgruppe
- Embedded-Entwickler, die KI in Hardware-Systeme integrieren
- Edge-ML-Engineure, die Inferenzlösungen auf dem Gerät entwerfen
- Robotik-Teams, die agentische KI für den autonomen Betrieb einsetzen
21 Stunden