연락처 정보

코스 개요

엣지 AI 개요

  • 정의와 핵심 개념
  • 엣지 AI와 클라우드 AI의 차이점
  • 엣지 AI의 장점과 당면 과제
  • 엣지 AI의 대표적인 활용 사례

엣지 AI 아키텍처

  • 엣지 AI 시스템의 구성 요소
  • 하드웨어 및 소프트웨어 요구사항
  • 엣지 AI 애플리케이션에서의 데이터 흐름
  • 기존 시스템과의 통합 방법

엣지 AI 환경 설정하기

  • Raspberry Pi, NVIDIA Jetson 등 주요 엣지 AI 플랫폼 소개
  • 필수 소프트웨어 및 라이브러리 설치 방법
  • 개발 환경 구성 절차
  • 엣지 AI 환경 초기화 과정

엣지 AI 모델 개발하기

  • 엣지 기기를 위한 머신러닝 및 딥러닝 모델 개요
  • 엣지 배포용 모델 학습 방법
  • 엣지 기기에 최적화된 모델 구현 기술
  • TensorFlow Lite, OpenVINO 등 엣지 AI 개발 도구 및 프레임워크

엣지 AI를 위한 데이터 관리 및 전처리

  • 엣지 환경에서의 데이터 수집 기법
  • 엣지 기기용 데이터 전처리 및 보완 방법
  • 엣지 기기상의 데이터 파이프라인 관리 방안
  • 엣지 환경에서의 개인정보 보호 및 보안 유지 전략

엣지 AI 애플리케이션 배포하기

  • 다양한 엣지 기기에 모델을 배포하는 절차
  • 배포된 모델의 모니터링 및 관리 기술
  • 엣지 기기에서의 실시간 데이터 처리 및 추론 수행
  • 실제 배포 사례와 활용 예시들

IoT 시스템과 엣지 AI의 통합

  • IoT 기기 및 센서와 엣지 AI 솔루션 간 연동 방법
  • 데이터 교환을 위한 통신 프로토콜
  • 엣지 AI와 IoT를 결합한 종합 솔루션 구축 전략
  • 실제 활용 사례 및 시나리오 소개

활용 분야 및 사례 연구

  • 산업별 엣지 AI 적용 가능성
  • 의료, 자동차, 스마트 홈 분야의 구체적인 사례 분석
  • 성공적인 도입 사례와 교훈 정리
  • 엣지 AI의 미래 동향과 기회 요소

윤리적 고려사항 및 모범 사례

  • 엣지 AI 배포 시 개인정보 보호와 보안 유지 방안
  • 엣지 AI 모델에서의 편향 제거 및 공정성 확보 방법
  • 관련 규제 및 표준 준수 전략
  • 책임감 있는 AI 도입을 위한 모범 사례 정리

실습 프로젝트 및 연습 문제

  • 복잡한 엣지 AI 애플리케이션 개발 경험 쌓기
  • 현실적인 시나리오 기반의 프로젝트 수행
  • 그룹 단위로 진행하는 협업 연습
  • 프로젝트 결과 발표 및 피드백 제공

요약 및 향후 학습 방향

요건

  • 기본적인 AI 및 머신러닝 개념에 대한 이해
  • 프로그래밍 언어 활용 경험 (파이썬 권장)
  • 엣지 컴퓨팅 및 IoT 관련 개념에 대한 기초 지식

대상 수강생

  • 개발자
  • IT 전문가
 14 시간

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리