문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
컴퓨터 비전용 엣지 AI 개요
- 엣지 AI의 기본 개념 및 장점 설명
- 클라우드 AI와 엣지 AI 간의 차이점 비교
- 실시간 이미지 처리 시 직면하는 주요 과제들
엣지 디바이스에 딥러닝 모델 배포하기
- TensorFlow Lite 및 OpenVINO 소개
- 엣지 환경에서의 모델 최적화 및 양자화 기법
- 사례 연구: 엣지 디바이스상에서 YOLOv8 실행하기
실시간 추론을 위한 하드웨어 가속
- 주요 엣지 컴퓨팅 하드웨어(Jetson, Coral, FPGA 등) 소개
- GPU 및 TPU를 활용한 가속 기법
- 벤치마크 수행 및 성능 평가 방법
실시간 객체 탐지 및 추적 기술
- YOLO 모델을 활용한 객체 탐지 구현 방법
- 움직이는 객체를 실시간으로 추적하는 기법
- 센서 융합 기술을 통한 탐지 정확도 향상 방안
엣지 AI 최적화 기법
- 가지치기 및 양자화를 활용한 모델 크기 축소 방법
- 지연 시간 감소와 전력 소모 최적화 기법
- 엣지 AI 모델의 재학습 및 미세 조정 방안
IoT 시스템과 엣지 AI 통합하기
- 스마트 카메라 및 다양한 IoT 디바이스에 AI 모델 배포 방법
- 실시간 의사결정을 위한 엣지 AI의 활용 방안
- 엣지 디바이스와 클라우드 시스템 간의 통신 구조
엣지 AI의 보안 및 윤리적 고려사항
- 엣지 AI 애플리케이션에서 발생할 수 있는 데이터 프라이버시 문제
- 적대적 공격에 대비한 모델 보안 확보 방법
- 관련 규제 준수 및 윤리적인 AI 개발 원칙의 이해
요약 및 향후 진행 방향
요건
- 컴퓨터 비전 관련 개념에 대한 이해
- Python 및 딥러닝 프레임워크 사용 경험
- 엣지 컴퓨팅 및 IoT 디바이스에 관한 기본 지식
대상자
- 컴퓨터 비전 엔지니어
- AI 개발자
- IoT 전문가
21 시간
회원 평가 (1)
고급 주제를 다루고 실제 사례를 통해 실습할 수 있습니다.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
코스 - Advanced Edge AI Techniques
기계 번역됨