Course Outline

엣지 AI 소개

  • 정의 및 주요 개념
  • 엣지 AI와 클라우드 AI의 차이점
  • Edge AI의 이점과 과제
  • Edge AI 애플리케이션 개요

엣지 AI 아키텍처

  • Edge AI 시스템의 구성 요소
  • 하드웨어 및 소프트웨어 요구 사항
  • Edge AI 애플리케이션의 데이터 흐름
  • 기존 시스템과의 통합

Edge AI 환경 설정

  • Edge AI 플랫폼 소개(Raspberry Pi, NVIDIA Jetson 등)
  • 필요한 소프트웨어 및 라이브러리 설치
  • 개발 환경 구성
  • Edge AI 설정 초기화

Edge AI 모델 개발

  • 엣지 디바이스를 위한 머신 러닝 및 딥 러닝 모델 개요
  • 엣지 배포를 위한 교육 모델
  • 엣지 디바이스에 대한 모델 최적화 기술
  • Edge AI 개발을 위한 도구 및 프레임워크(TensorFlow Lite, OpenVINO 등)

Data Management 및 Edge AI 전처리

  • 엣지 환경을 위한 데이터 수집 기술
  • 엣지 디바이스를 위한 데이터 전처리 및 강화
  • 에지 기기에서 데이터 파이프라인 관리
  • 엣지 환경에서 데이터 개인정보 보호 및 보안 보장

Edge AI 애플리케이션 배포

  • 다양한 에지 장치에 모델을 배포하는 단계
  • 배포된 모델을 모니터링하고 관리하는 기술
  • 엣지 디바이스에서 실시간 데이터 처리 및 추론
  • 사례 연구 및 배포 실제 사례

IoT 시스템과 엣지 AI 통합

  • Edge AI 솔루션을 IoT 장치 및 센서와 연결
  • Communication 프로토콜 및 데이터 교환 방법
  • 엔드투엔드 Edge AI 및 IoT 솔루션 구축
  • 실제 사례 및 사용 사례

Use Case 및 애플리케이션

  • Edge AI의 산업별 애플리케이션
  • 의료, 자동차, 스마트 홈 분야의 심층 사례 연구
  • 성공 사례와 교훈
  • Edge AI의 미래 동향과 기회

윤리적 고려사항 및 모범 사례

  • Edge AI 배포 시 개인 정보 보호 및 보안 보장
  • Edge AI 모델의 편견과 공정성 해결
  • 규정 및 표준 준수
  • 책임감 있는 AI 배포를 위한 모범 사례

실습 프로젝트 및 연습

  • 복잡한 Edge AI 애플리케이션 개발
  • 실제 프로젝트 및 시나리오
  • 협동 그룹 연습
  • 프로젝트 프레젠테이션 및 피드백

요약 및 다음 단계

Requirements

  • 기본 AI 및 머신러닝 개념에 대한 이해
  • 프로그래밍 언어 경험(Python 권장)
  • 엣지 컴퓨팅 및 IoT 개념에 대한 지식

청중

  • 개발자
  • IT 전문가
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories