Course Outline

Edge AI in Autonomous Systems 소개

  • Edge AI 개요 및 자율 시스템에서의 중요성
  • 자율 시스템에서 Edge AI 구현의 주요 이점과 과제
  • 자율성을 위한 Edge AI의 현재 동향과 혁신
  • 실제 응용 프로그램 및 사례 연구

자율 시스템의 실시간 처리

  • 실시간 데이터 처리의 기본
  • 실시간 의사결정을 위한 AI 모델
  • 데이터 스트림 및 센서 융합 처리
  • 실제 사례 및 사례 연구

자율주행차의 엣지 AI

  • 차량 인식 및 제어를 위한 AI 모델
  • 실시간 내비게이션을 위한 AI 솔루션 개발 및 배포
  • Edge AI를 차량 제어 시스템과 통합
  • 자율주행차의 Edge AI 사례 연구

드론의 엣지 AI

  • 드론 인식 및 비행 제어를 위한 AI 모델
  • 드론의 실시간 데이터 처리 및 의사 결정
  • 자율 비행 및 장애물 회피를 위한 Edge AI 구현
  • 실제 사례 및 사례 연구

Robotics의 엣지 AI

  • 로봇 인식 및 조작을 위한 AI 모델
  • 로봇 시스템의 실시간 처리 및 제어
  • Edge AI와 로봇 제어 아키텍처 통합
  • 로봇 공학 분야의 Edge AI 사례 연구

자율 애플리케이션을 위한 AI 모델 개발

  • 관련 기계 학습 및 딥 러닝 모델 개요
  • 엣지 배포를 위한 모델 학습 및 최적화
  • 자율 Edge AI를 위한 도구 및 프레임워크(TensorFlow Lite, ROS 등)
  • 자율 설정에서의 모델 검증 및 평가

자율 시스템에 엣지 AI 솔루션 배포

  • 다양한 엣지 하드웨어에 AI 모델을 배포하는 단계
  • 엣지 디바이스에서 실시간 데이터 처리 및 추론
  • 배포된 AI 모델 모니터링 및 관리
  • 실제 배포 사례 및 사례 연구

윤리적 및 규제적 고려사항

  • 자율 AI 시스템의 안전성과 신뢰성 보장
  • 자율 AI 모델의 편견과 공정성 해결
  • 자율 시스템의 규정 및 표준 준수
  • 자율 시스템에 책임감 있는 AI 배포를 위한 모범 사례

성능 평가 및 최적화

  • 자율 시스템의 모델 성능을 평가하는 기술
  • 실시간 모니터링 및 디버깅을 위한 도구
  • 자율 애플리케이션에서 AI 모델 성능을 최적화하기 위한 전략
  • 대기 시간, 안정성, 확장성 문제 해결

혁신적인 Use Case 및 애플리케이션

  • 자율 시스템에 Edge AI의 고급 적용
  • 다양한 자율 영역의 심층 사례 연구
  • 성공 사례와 교훈
  • 자율성을 위한 Edge AI의 미래 동향과 기회

실습 프로젝트 및 연습

  • 자율 시스템을 위한 포괄적인 Edge AI 애플리케이션 개발
  • 실제 프로젝트 및 시나리오
  • 협동 그룹 연습
  • 프로젝트 프레젠테이션 및 피드백

요약 및 다음 단계

Requirements

  • AI 및 머신러닝 개념에 대한 이해
  • 프로그래밍 언어 경험(Python 권장)
  • 로봇 공학, 자율 시스템 또는 관련 기술에 대한 지식

청중

  • Robotics 엔지니어
  • 자율주행차 개발자
  • AI 연구자
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories