Course Outline

Pengantar Edge AI

  • Definisi dan konsep kunci
  • Perbedaan antara Edge AI dan Cloud AI
  • Manfaat dan tantangan Edge AI
  • Ikhtisar aplikasi Edge AI

Arsitektur Edge AI

  • Komponen sistem Edge AI
  • Persyaratan perangkat keras dan perangkat lunak
  • Aliran data dalam aplikasi Edge AI
  • Integrasi dengan sistem yang ada

Menyiapkan Lingkungan Edge AI

  • Pengenalan platform Edge AI (Raspberry Pi, NVIDIA Jetson, dll.)
  • Menginstal perangkat lunak dan perpustakaan yang diperlukan
  • Mengonfigurasi lingkungan pengembangan
  • Menginisialisasi pengaturan Edge AI

Mengembangkan Model Edge AI

  • Ikhtisar pembelajaran mesin dan model pembelajaran mendalam untuk perangkat edge
  • Model pelatihan khusus untuk penerapan edge
  • Teknik untuk mengoptimalkan model untuk perangkat edge
  • Alat dan kerangka kerja untuk pengembangan Edge AI (TensorFlow Lite, OpenVINO, dll.)

Data Management dan Pra-pemrosesan untuk Edge AI

  • Teknik pengumpulan data untuk lingkungan edge
  • Pemrosesan awal dan augmentasi data untuk perangkat edge
  • Mengelola saluran data pada perangkat edge
  • Memastikan privasi dan keamanan data di lingkungan edge

Menerapkan Aplikasi Edge AI

  • Langkah-langkah untuk menerapkan model pada berbagai perangkat edge
  • Teknik untuk memantau dan mengelola model yang diterapkan
  • Pemrosesan dan inferensi data secara real-time pada perangkat edge
  • Studi kasus dan contoh penerapan praktis

Mengintegrasikan Edge AI dengan Sistem IoT

  • Menghubungkan solusi Edge AI dengan perangkat dan sensor IoT
  • Communication protokol dan metode pertukaran data
  • Membangun solusi Edge AI dan IoT yang menyeluruh
  • Contoh praktis dan kasus penggunaan

Use Case dan Aplikasi

  • Aplikasi Edge AI khusus industri
  • Studi kasus mendalam di bidang kesehatan, otomotif, dan rumah pintar
  • Kisah sukses dan pelajaran yang didapat
  • Tren dan peluang masa depan di Edge AI

Pertimbangan Etis dan Praktik Terbaik

  • Memastikan privasi dan keamanan dalam penerapan Edge AI
  • Mengatasi bias dan keadilan dalam model Edge AI
  • Kepatuhan terhadap peraturan dan standar
  • Praktik terbaik untuk penerapan AI yang bertanggung jawab

Proyek dan Latihan Praktis

  • Mengembangkan aplikasi Edge AI yang kompleks
  • Proyek dan skenario dunia nyata
  • Latihan kelompok kolaboratif
  • Presentasi proyek dan umpan balik

Ringkasan dan Langkah Selanjutnya

Requirements

  • Pemahaman tentang konsep dasar AI dan pembelajaran mesin
  • Pengalaman dengan bahasa pemrograman (Python disarankan)
  • Keakraban dengan komputasi tepi dan konsep IoT

Hadirin

  • Pengembang
  • profesional TI
 14 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories