Edge AI Schulungen in Graz

Dieser vom Dozenten geleitete Live-Kurs in <ort> (online oder vor Ort) richtet sich an fortgeschrittene KI-Forscher, Data Scientists und Sicherheitsexperten, die verteilte Lernverfahren implementieren möchten, um KI-Modelle über mehrere Edge-Geräte hinweg zu trainieren, während der Datenschutz gewahrt bleibt.

Nach Abschluss dieses Kurses können die Teilnehmer:

• Die Prinzipien und Vorteile von verteiltem Lernen in der Edge-AI verstehen.
• Modelle für verteiltes Lernen mit TensorFlow Federated und PyTorch implementieren.
• Das KI-Training über verteilte Edge-Geräte optimieren.
• Datenschutz- und Sicherheitsfragen im Bereich des verteilten Lernens adressieren.
• Verteilte Lernsysteme in realen Anwendungen bereitstellen und überwachen.

Diese dozentengeleitete Live-Schulung in Graz (online oder vor Ort) richtet sich an Agrartechnik-Profis sowie IoT-Spezialisten und KI-Ingenieure vom Einsteiger- bis zum Fortgeschrittenenniveau, die Edge-AI-Lösungen für intelligentes Farming entwickeln und bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer:

• Die Rolle von Edge AI in der präzisen Landwirtschaft verstehen.
• KI-gestützte Überwachungssysteme für Nutzpflanzen und Viehbestände implementieren können.
• Automatische Bewässerungs- und Umgebungssensorlösungen entwickeln können.
• Die landwirtschaftliche Effizienz mithilfe von Echtzeit-Edge-AI-Analysen optimieren können.

Dieses vom Dozenten geleitete, live durchgeführte Training in Graz (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte im Bereich der Cybersicherheit, KI-Ingenieure und IoT-Entwickler, die robuste Sicherheitsmaßnahmen und Resilienzstrategien für Edge-AI-Systeme implementieren möchten.

Nach Abschluss dieses Trainings sind die Teilnehmer in der Lage:

• Sicherheitsrisiken und Schwachstellen bei Edge-AI-Implementierungen zu verstehen.
• Verschlüsselungs- und Authentifizierungstechniken zum Schutz von Daten umzusetzen.
• widerstandsfähige Edge-AI-Architekturen zu entwerfen, die Cyberbedrohungen standhalten können.
• sichere Strategien für die Bereitstellung von KI-Modellen in Edge-Umgebungen anzuwenden.

Dieses von Instruktoren geleitete Live-Training in Graz (online oder vor Ort) richtet sich an Einsteiger und Fortgeschrittene im Bereich der Einzelhandelstechnologie, KI-Entwickler sowie Business Analysten, die Edge-AI-Lösungen für intelligente Kassensysteme, Bestandsmanagement und personalisierte Kundenansprache einsetzen möchten.

Am Ende dieses Trainings sind die Teilnehmer in der Lage:

• Zu verstehen, wie Edge AI die Betriebsabläufe und die Kundenerfahrung im Einzelhandel verbessert.
• KI-gestützte intelligente Kassen- und bargeldlose Bezahlungssysteme zu implementieren.
• Das Bestandsmanagement durch Echtzeit-Verfolgung und Analysen zu optimieren.
• Computer Vision und KI für personalisierte Erlebnisse im Geschäft einzusetzen.

Diese von einem Dozenten geleitete, live abhaltende Schulung in Graz (online oder vor Ort) richtet sich an Fachkräfte der Telekommunikation, KI-Ingenieure und IoT-Spezialisten mit mittlerem Erfahrungslevel, die untersuchen möchten, wie 5G-Netze Edge-AI-Anwendungen beschleunigen.

Nach Abschluss dieser Schulung können die Teilnehmer:

• Die Grundlagen der 5G-Technologie und deren Einfluss auf Edge-AI verstehen.
• KI-Modelle für Anwendungen mit niedriger Latenz in 5G-Umgebungen bereitstellen.
• Echtzeit-Entscheidungsfindungssysteme unter Einsatz von Edge-AI und 5G-Konnektivität implementieren.
• KI-Workloads für eine effiziente Performance auf Endgeräten optimieren.

Dieses instruktionsgeleitete Live-Training in Graz (online oder vor Ort) richtet sich an Entwickler für eingebettete KI auf mittlerem Niveau sowie an Spezialisten im Bereich Edge Computing, die leichtgewichtige KI-Modelle feinabstimmen und optimieren möchten, um sie ressourcenbeschränkten Geräten bereitzustellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Geeignete vortrainierte Modelle für die Edge-Bereitstellung auszuwählen und anzupassen.
• Quantisierung, Pruning und andere Kompressionstechniken anzuwenden, um Modellgröße und Latenzzeit zu reduzieren.
• Modelle mittels Transfer Learning aufgabenspezifisch feinabzustimmen.
• optimierte Modelle auf realer Edge-HardwarePlattformen bereitzustellen.

Diese instructor-led, live Schulung in Graz (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler und IoT-Experten mit mittlerem bis fortgeschrittenem Niveau, die Computer-Vision-Modelle für Echtzeit-Verarbeitung auf Edge-Geräten implementieren und optimieren möchten.

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

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

Diese instruktionsgeleitete, live stattfindende Schulung in Graz (online oder vor Ort) richtet sich an Embedded-Entwickler auf mittlerem Niveau, IoT-Entwickler und KI-Forschende, die TinyML-Techniken für KI-gestützte Anwendungen auf energieeffizienter Hardware implementieren möchten.

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

• 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 von Instruktoren geleitete Live-Schulung in Graz (online oder vor Ort) richtet sich an Roboter-Ingenieure, KI-Entwickler und Automatisierungsexperten auf mittlerem bis fortgeschrittenem Niveau, die Edge AI für Robotikanwendungen implementieren möchten.

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

• Die Rolle von Edge AI in autonomen Systemen zu verstehen.
• KI-Modelle auf Edge-Geräten für Echtzeit-Robotik bereitzustellen.
• Die KI-Leistung für latenzarme Entscheidungen zu optimieren.
• Computergestützte Bildverarbeitung und Sensorfusion für die Roboter-Autonomie zu integrieren.

Edge & Lightweight Agents ist ein praxisorientierter Kurs, der sich auf die Bereitstellung agentic AI-Arbeitslasten auf ressourcenbeschränkten Geräten konzentriert. Die Teilnehmer lernen, leichtgewichtige Agenten zu erstellen, zu optimieren und zu verwalten, die für lokale Entscheidungsfindung und Inferenz geeignet sind, um Geschwindigkeit, Datenschutz und Zuverlässigkeit in verteilten Umgebungen zu verbessern. Der Kurs betont Leistungsanpassung, Latenzminimierung und die Integration von Hardware und Software.

Dieser instructor-led Schulungskurs (online oder vor Ort) richtet sich an Fachkräfte mit mittlerem Erfahrungsniveau, die dezentrale Agentic-Systeme mit Python und Edge-AI-Frameworks implementieren und optimieren möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Die Architektur und Herausforderungen des Betriebs von agentic AI auf Edge-Geräten zu verstehen.
• Leichtgewichtige Agentenschleifen für ressourcenbeschränkte Umgebungen zu entwerfen.
• Lokale Inferenz mit TensorFlow Lite, PyTorch Mobile und ONNX umzusetzen.
• Agenten mit Sensoren, Aktoren und IoT-Plattformen zu integrieren.
• Leistung, Energieverbrauch und Latenz für den Echtzeitbetrieb zu optimieren.

Format des Kurses

• Interaktiver Vortrag und praktische Demonstrationen.
• Praktische Entwicklung in lokalen oder emulierten Umgebungen.
• Projektbasiertes Lernen und begleitete Implementierungsübungen.

Maßschneidern des Kurses

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

Diese instructor-led, live Schulung in Graz (online oder vor Ort) richtet sich an fortgeschrittene KI-Ingenieure, eingebettete Entwickler und Hardware-Ingenieure, die KI-Modelle auf Low-Power-Geräten implementieren möchten, dabei aber den Energieverbrauch minimieren wollen.

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

• Die Herausforderungen der KI-Ausführung auf energieeffizienten Geräten zu verstehen.
• Neuronale Netze für den Low-Power-Inferencebetrieb zu optimieren.
• Techniken wie Quantisierung, Pruning und Modellkompression anzuwenden.
• KI-Modelle mit minimalem Stromverbrauch auf Edge-Hardware bereitzustellen.

Diese dozentengeleitete, Live-Schulung in Graz (online oder vor Ort) richtet sich an KI-Entwickler auf mittlerem Niveau, Embedded-Ingenieure und Robotik-Ingenieure, die KI-Modelle für Edge-Anwendungen auf NVIDIA Jetson-Plattformen optimieren und bereitstellen möchten.

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

• Die Grundlagen von Edge-KI und NVIDIA Jetson-Hardware zu verstehen.
• KI-Modelle für die Bereitstellung auf Edge-Geräten zu optimieren.
• TensorRT zur Beschleunigung des Deep-Learning-Inferenz einzusetzen.
• KI-Modelle mit JetPack SDK und ONNX Runtime bereitzustellen.

Diese instructor-led-Live-Schulung in Graz (online oder vor Ort) richtet sich an fortgeschrittene KI-Entwickler:innen, Machine-Learning-Ingenieur:innen und Systemarchitekt:innen, die ihre KI-Modelle für den Edge-Einsatz optimieren möchten.

Nach Abschluss dieser Schulung können Teilnehmende:

• Herausforderungen und Anforderungen beim Deployment von KI-Modellen auf Edge-Geräten verstehen.
• Model Compression-Techniken anwenden, um Größe und Komplexität von KI-Modellen zu reduzieren.
• Quantisierungsmethoden nutzen, um die Effizienz der Modelle auf Edge-Hardware zu steigern.
• Pruning und weitere Optimierungstechniken implementieren, um die Modellperformance zu verbessern.
• optimierte KI-Modelle auf verschiedenen Edge-Geräten deployen.

Diese vom Dozenten geleitete Live-Schulung in Graz (online oder vor Ort) richtet sich an Entwickler mit fortgeschrittenen Kenntnissen, Data Scientists und Technik-Enthusiasten, die praktische Fähigkeiten im Einsatz von KI-Modellen auf Edge-Geräten für verschiedene Anwendungen erwerben möchten.

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

• Die Grundprinzipien von Edge AI und deren Vorteile zu verstehen.
• die Edge-Computing-Umgebung einzurichten und zu konfigurieren.
• KI-Modelle für den Edge-Einsatz zu entwickeln, zu trainieren und zu optimieren.
• praktische KI-Lösungen auf Edge-Geräten zu implementieren.
• die Leistung von am Edge bereitgestellten Modellen zu bewerten und zu verbessern.
• ethische und sicherheitsrelevante Aspekte in Edge AI-Anwendungen zu berücksichtigen.

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

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

• Die Rolle von Edge-AI in Finanzdienstleistungen zu verstehen.
• Betrugserkennungssysteme mit Edge-AI zu implementieren.
• Den Kundenservice durch KI-gestützte Lösungen zu verbessern.
• Edge-AI für das Risikomanagement und die Entscheidungsfindung einzusetzen.
• Edge-AI-Lösungen in Finanzumgebungen bereitzustellen und zu verwalten.

Dieses live stattfindende Training mit Dozent:in in Graz (online oder vor Ort) richtet sich an Industrietechniker:innen, Fachkräfte aus der Fertigungsbranche und KI-Entwickler:innen auf fortgeschrittenem Niveau, die Edge KI-Lösungen in der industriellen Automatisierung implementieren möchten.

Am Ende dieses Trainings können die Teilnehmenden:

• Die Rolle von Edge KI in der industriellen Automatisierung verstehen.
• Prädiktive Wartungslösungen mit Edge KI implementieren.
• KI-Techniken zur Qualitätskontrolle in Fertigungsprozessen anwenden.
• Industrielle Prozesse durch Edge KI optimieren.
• Edge KI-Lösungen in industriellen Umgebungen bereitstellen und 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.

Dieser vom Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an erfahrene Entwickler eingebetteter Systeme und IoT-Spezialisten, die KI-gestützte Logik- und Steuerungssysteme in Fertigungsumgebungen implementieren möchten, in denen Geschwindigkeit, Zuverlässigkeit und der Betrieb ohne Netzwerkverbindung entscheidend sind.

Am Ende dieses Trainings können die Teilnehmer:

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

Form des Kurses

• Interaktiver Vortrag und Diskussion.
• Umfangreiche Übungen und Praxiseinheiten.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Möglichkeiten zur Kursanpassung

• Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese live stattfindende Schulung mit Dozent:innen in Graz (online oder vor Ort) richtet sich an Entwickler:innen, Data Scientists und KI-Praktiker:innen auf fortgeschrittenem Niveau, die TensorFlow Lite für Edge-AI-Anwendungen nutzen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer:innen in der Lage:

• die Grundlagen von TensorFlow Lite und dessen Rolle im Bereich Edge AI zu verstehen.
• KI-Modelle mit TensorFlow Lite zu entwickeln und zu optimieren.
• TensorFlow-Lite-Modelle auf verschiedenen Edge-Geräten bereitzustellen.
• Tools und Techniken für die Modellkonvertierung und -optimierung einzusetzen.
• praktische Edge-AI-Anwendungen mit TensorFlow Lite zu implementieren.

Dieses live durchgeführte Training in Graz (online oder vor Ort) richtet sich an Stadtplanner mit Vorkenntnissen, Bauingenieure und Projektmanager intelligenter Städte, die Edge AI für Smart-City-Initiativen nutzen möchten.

Am Ende dieses Trainings können die Teilnehmenden:

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

Diese live-Veranstaltung mit Dozentenleitung in Graz (online oder vor Ort) richtet sich an Cybersecurity-Experten der mittleren Erfahrungsstufe, Systemadministratoren und KI-Ethikforscher, die Edge-AI-Lösungen sicher und ethisch vertretbar implementieren möchten.

Nach Abschluss dieses Trainings können die Teilnehmer:

• Die Sicherheits- und Datenschutzherausforderungen im Bereich Edge AI verstehen.
• Bewährte Verfahren zur Sicherung von Edge-Geräten und Daten anwenden.
• Strategien zur Minderung von Sicherheitsrisiken bei Edge-AI-Bereitstellungen entwickeln.
• Ethische Aspekte adressieren und die Einhaltung gesetzlicher Vorschriften sicherstellen.
• Sicherheitsbewertungen und Audits für Edge-AI-Anwendungen durchführen.

Diese Dozent*innen-gestützte Live-Schulung in Graz (online oder vor Ort) richtet sich an Robotingenieure*innen auf mittlerem Niveau, Entwickler*innen autonomer Fahrzeuge und KI-Forschende, die Edge AI nutzen möchten, um innovative Lösungen für autonome Systeme zu entwickeln.

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

• Die Rolle und die Vorteile von Edge AI in autonomen Systemen zu verstehen.
• KI-Modelle für die Echtzeitverarbeitung auf Edge-Geräten zu entwickeln und bereitzustellen.
• Edge-AI-Lösungen in autonomen Fahrzeugen, Drohnen und Robotik zu implementieren.
• Regelungssysteme unter Verwendung von Edge AI zu entwerfen und zu optimieren.
• Ethische und regulatorische Aspekte in autonomen KI-Anwendungen zu berücksichtigen.

Diese instruktionsgeleitete, live stattfindende Schulung in Graz (online oder vor Ort) richtet sich an Gesundheitsfachleute, Biomedizintechniker und KI-Entwickler mit mittlerem Kenntniselevel, die Edge AI für innovative Gesundheitslösungen nutzen möchten.

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

• Die Rolle und den Nutzen von Edge AI im Gesundheitswesen zu verstehen.
• KI-Modelle für Edge-Geräte zur Anwendung im Gesundheitswesen zu entwickeln und bereitzustellen.
• Edge-AI-Lösungen in Wearables und diagnostischen Werkzeugen zu implementieren.
• Patientenüberwachungssysteme unter Nutzung von Edge AI zu entwerfen und bereitzustellen.
• Ethische und regulatorische Aspekte bei KI-Anwendungen im Gesundheitswesen zu berücksichtigen.

Edge AI ermöglicht es, KI-Modelle direkt auf eingebetteten oder ressourcenbeschränkten Geräten auszuführen. Dies reduziert Latenz und Energieverbrauch und erhöht gleichzeitig die Autonomie und den Datenschutz in Robotersystemen.

Dieser dozentengeleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene eingebettete Entwickler und Robotikingenieure, die Machine-Learning-Inferenz- und Optimierungstechniken direkt auf robotischer Hardware mit TinyML und Edge-AI-Frameworks implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmer: 

• die Grundlagen von TinyML und Edge AI für Robotik verstehen.
• KI-Modelle konvertieren und für die On-Device-Inferenz bereitstellen.
• Modelle für Geschwindigkeit, Größe und Energieeffizienz optimieren.
• Edge-AI-Systeme in robotische Steuerungsarchitekturen integrieren.
• Leistung und Genauigkeit in realen Szenarien bewerten.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Übungen mit TinyML- und Edge-AI-Toolchains.
• Praktische Aufgaben auf eingebetteten und robotischen Hardwareplattformen.

Möglichkeiten zur Kursanpassung

• Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Der Kurs "6G und die intelligente Edge" blickt zukunftsweisend auf die Integration von 6G-Funktechnologien mit Edge Computing, IoT-Ökosystemen und KI-gesteuerter Datenverarbeitung ab, um intelligente, latenzarme und adaptive Infrastrukturen zu ermöglichen.

Diese live stattfindende, unter Anleitung erfolgende Schulung (online oder vor Ort) richtet sich an IT-Architekten auf mittlerem Niveau, die die nächsten Generationen verteilter Architekturen verstehen und entwerfen möchten, wobei sie die Synergien zwischen 6G-Konnektivität und intelligenten Edge-Systemen nutzen.

Nach Abschluss dieses Kurses sind die Teilnehmer in der Lage:

• zu verstehen, wie 6G das Edge Computing und IoT-Architekturen verändern wird.
• verteilte Systeme für ultra-niedrige Latenzzeiten, hohe Bandbreite und autonome Abläufe zu entwerfen.
• KI und Datenanalysen am Rand des Netzwerks (Edge) für intelligente Entscheidungsfindung zu integrieren.
• skalierbare, sichere und widerstandsfähige 6G-taugliche Edge-Infrastrukturen zu planen.
• die durch die Konvergenz von 6G und Edge ermöglichten Geschäfts- und Betriebsmodelle zu bewerten.

Format des Kurses

• Interaktive Vorträge und Diskussionen.
• Fallstudien und praktische Übungen zum Architekturentwurf.
• Praktische Simulationen mit optionalen Edge- oder Container-Tools.

Optionen zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs zu anfordern, kontaktieren Sie uns bitte, um die Details zu vereinbaren.

Dieses von einem Dozenten geleitete Live-Training in Graz (online oder vor Ort) richtet sich an KI-Praktiker:innen, Forschende und Entwickler auf fortgeschrittenem Niveau, die die neuesten Entwicklungen in der Edge AI beherrschen, ihre KI-Modelle für den Edge-Einsatz optimieren und spezialisierte Anwendungen in verschiedenen Branchen erkunden möchten.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein:

• Fortgeschrittene Techniken zur Entwicklung und Optimierung von Edge-AI-Modellen zu erkunden.
• Innovative Strategien zur Bereitstellung von KI-Modellen auf Endgeräten (Edge Devices) umzusetzen.
• Spezialisierte Tools und Frameworks für fortgeschrittene Edge-AI-Anwendungen zu nutzen.
• Die Leistungsfähigkeit und Effizienz von Edge-AI-Lösungen zu optimieren.
• Innovative Use Cases und aufkommende Trends in der Edge AI zu erkunden.
• Fortgeschrittene ethische und sicherheitsrelevante Aspekte bei Edge-AI-Bereitstellungen zu berücksichtigen.

Das Huawei Ascend CANN-Toolkit ermöglicht leistungsfähige KI-Inferenz auf Edge-Geräten wie dem Ascend 310. CANN stellt unverzichtbare Werkzeuge zum Kompilieren, Optimieren und Bereitstellen von Modellen bereit, wobei Rechenleistung und Speicher eingeschränkt sind.

Dieses instructor-led-Training (live, online oder vor Ort) richtet sich an KI-Entwickler und Integratoren auf fortgeschrittenem Niveau, die Modelle auf Ascend Edge-Geräten mit der CANN Toolchain bereitstellen und optimieren möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

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

Format des Kurses

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

Möglichkeiten zur Anpassung des Kurses

• Für eine maßgeschneiderte Schulung zu diesem Kurs wenden Sie sich bitte an uns, um dies zu organisieren.

Diese instruktionsgeleitete Live-Schulung in Graz (online oder vor Ort) richtet sich an Entwickler mit mittleren Kenntnissen, Systemarchitekten und Fachleute aus der Industrie, die Edge AI nutzen möchten, um IoT-Anwendungen durch intelligente Datenverarbeitung und Analysemöglichkeiten zu erweitern.

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

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

Diese Dozentengesteuerte, live stattfindende Schulung in Graz (online oder vor Ort) richtet sich an IoT-Entwickler, Embedded-Ingenieure und AI-Praktiker auf mittlerem Niveau, die TinyML für prädiktive Wartung, Anomalieerkennung und Smart-Sensor-Anwendungen implementieren möchten.

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

• Die Grundlagen von TinyML und dessen Anwendungen im IoT zu verstehen.
• Eine TinyML-Entwicklungsumgebung für IoT-Projekte einzurichten.
• ML-Modelle auf stromsparenden Mikrocontrollern zu entwickeln und bereitzustellen.
• Prädiktive Wartung und Anomalieerkennung mit TinyML zu implementieren.
• TinyML-Modelle für eine effiziente Strom- und Speichernutzung zu optimieren.

Dieses live durchgeführte Training in Graz (online oder vor Ort) richtet sich an Entwickler und IT-Fachleute mit fortgeschrittenen Kenntnissen, die ein umfassendes Verständnis von Edge AI – vom Konzept bis zur praktischen Implementierung, einschließlich Einrichtung und Bereitstellung – erwerben möchten.

Nach Abschluss dieses Trainings sind die Teilnehmer in der Lage:

• Die grundlegenden Konzepte 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 Überlegungen und Best Practices bei der Edge AI-Implementierung zu berücksichtigen.

Diese von einem Dozenten geleitete Live-Schulung in <Ort> (online oder vor Ort) richtet sich an fortgeschrittene eingebettete Systemingenieure und KI-Entwickler, die maschinelles Lernen-Modelle auf Mikrocontrollern mit TensorFlow Lite und Edge Impulse bereitstellen möchten.

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

• Die Grundlagen von TinyML und deren Vorteile für Edge-KI-Anwendungen zu verstehen.
• Eine Entwicklungsumgebung für TinyML-Projekte einzurichten.
• KI-Modelle auf stromsparenden Mikrocontrollern zu trainieren, zu optimieren und bereitzustellen.
• TensorFlow Lite und Edge Impulse zur Implementierung praxisnaher TinyML-Anwendungen zu nutzen.
• KI-Modelle für Energieeffizienz und Speichereinschränkungen zu optimieren.

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

Dieser instruktorgeführte Live-Trainingskurs (online oder vor Ort) richtet sich an Entwickler auf fortgeschrittenem Niveau, die mit Hilfe des BANGPy-Frameworks und der Neuware SDK KI-Modelle auf Cambricon MLU-Hardware erstellen und bereitstellen möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• 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 Rechenzentrumsgeräten bereitzustellen, die den Neuware-Laufzeitumgebung ausführen.
• ML-Workflows mit MLU-spezifischen Beschleunigungsfeatures zu integrieren.

Kursformat

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

Möglichkeiten zur Kursanpassung

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs basierend auf Ihrem Cambricon-Gerätemodell oder Anwendungszweck anfordern möchten, kontaktieren Sie uns bitte zur Vereinbarung.

Diese dozentengeleitete Live-Schulung in Graz (online oder vor Ort) richtet sich an Entwickler und IT-Fachkräfte mit grundlegenden Kenntnissen, die die Grundlagen von Edge AI sowie dessen erste Anwendungen verstehen möchten.

Am Ende dieser Schulung werden die Teilnehmer:

• die grundlegenden Konzepte und die Architektur von Edge AI verstehen.
• Edge AI-Umgebungen einrichten und konfigurieren können.
• einfache Edge AI-Anwendungen entwickeln und bereitstellen können.
• Anwendungsfälle und Vorteile von Edge AI identifizieren und verstehen.

Kombinieren Sie die transformative Kraft der KI mit der Agilität des Edge Computing in diesem umfassenden Kurs. Lernen Sie, wie Sie KI-Modelle direkt auf Edge-Geräten bereitstellen können – von der Auseinandersetzung mit CNN-Architekturen bis zur Beherrschung von Knowledge Distillation und Federated Learning. Dieses praxisorientierte Training wird Ihnen die Fähigkeiten vermitteln, um die KI-Leistung für Echtzeitverarbeitung und Entscheidungsfindung am Edge zu optimieren.