연락처 정보

코스 개요

엣지 컴퓨팅과 에이전틱 AI 소개

  • 에이전틱 AI 및 엣지 컴퓨팅의 개요 설명
  • 지연 시간, 개인정보 보호 문제, 네트워크 대역폭 고려사항
  • 클라우드 환경과 엣지 기반 에이전트 아키텍처의 차이점 비교

경량형 에이전트 아키텍처 설계법

  • 리소스가 제한된 시스템에 맞춰 에이전트 동작 루프 구조 분해하기
  • 계산 효율을 높이기 위한 비동기식 설계 기법 적용
  • 에이전트의 자율성 유지와 네트워크 연결성 간의 균형 찾기

개발 환경 구축 방법

  • 엣지 AI 활용을 위한 Python 프레임워크 설치 절차
  • TensorFlow Lite 및 PyTorch Mobile의 구성법
  • Raspberry Pi 등 유사한 기기에서 테스트 환경 구축하기

기기 내 추론 기능 실현 방안

  • 엣지 배포용 모델 변환 및 양자화 처리 기술
  • TensorFlow Lite와 ONNX Runtime을 활용한 추론 실행법
  • 얻어낸 추론 결과값을 에이전트의 의사결정 과정에 통합시키는 절차

하드웨어 및 IoT 환경과의 에이전트 연동법

  • 각종 센서, 액추에이터와 IoT 모듈 간의 연결 방법
  • 로컬에서 데이터를 수집하고 처리하는 파이프라인 구축법
  • 오프라인 상태에서도 작동할 수 있도록 사건 기반 반응형 체계 설정하기

성능 최적화와 모니터링 기법

  • 전력 소모를 줄이면서 속도 향상을 위한 성능 튜닝 방법
  • 엣지 캐싱 기술과 모델 압축 방안 활용하기
  • 실제 기기에서 작동 중인 에이전트를 감시하고 문제점을 디버깅하는 절차

실습 프로젝트: 엣지 하드웨어용 경량형 에이전트 구축 연습

  • IoT 또는 로봇 운용을 위한 소규모 자율적 에이전트 설계하기
  • 모델 추론 기능과 현장에서 실행되는 논리 구조도 함께 구현하기
  • 최종적으로 지연 시간 및 안정성을 점검하면서 전체 성능을 최적화하기

요약 및 향후 학습 방향 제시

요건

  • Python 프로그래밍 경험
  • 머신러닝 처리 과정에 대한 기본적인 이해
  • 임베디드 컴퓨팅 또는 엣지 컴퓨팅 관련 개념 숙지

대상 수강생

  • 하드웨어 시스템에 AI 기능을 통합하려는 임베디드 개발자
  • 기기 내 추론 솔루션을 설계하는 엣지 머신러닝 엔지니어
  • 자율 주행 목적의 에이전틱 AI를 구현하려는 로봇 관련 개발팀
 21 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리