연락처 정보

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

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리