お問い合わせ

コース概要

エッジコンピューティングとエージェント型AIの基礎知識

  • エージェント型AIおよびエッジコンピューティングの概要説明
  • 遅延、プライバシー保護、帯域幅に関する考慮事項
  • クラウド型エージェントとエッジ型エージェントのアーキテクチャ比較

軽量なエージェントアーキテクチャの設計方法

  • リソース制約がある環境向けにエージェント処理ループを分解する手法
  • 効率的な計算処理のための非同期設計アプローチ
  • 自律性とネットワーク接続性のバランスの取り方

開発環境の設定手順

  • エッジ向けAI用Pythonフレームワークのインストール方法
  • TensorFlow LiteおよびPyTorch Mobileの初期設定手順
  • Raspberry Piなどのデバイス上にテスト環境を構築する方法

デバイス上での推論処理の実装手法

  • エッジ展開向けモデルの変換および量子化技術
  • TensorFlow LiteやONNX Runtimeを用いた推論処理の実行方法
  • 推論結果をエージェントの意思決定プロセスに統合する手法

ハードウェアやIoTシステムとのエージェント連携方法

  • 各種センサー、アクチュエータ、IoTモジュールとの接続手順
  • ローカルでのデータ収集・処理フローの設計手法
  • オフライン環境下やイベント駆動型の動作仕様の実装方法

パフォーマンス最適化とモニタリング手法

  • 省電力かつ高速処理を実現するための性能調整方法
  • エッジ側でのキャッシュ機構やモデル圧縮技術について説明する
  • エッジ上のエージェントの動作状況を監視・デバッグする手法

実践プロジェクト:エッジハードウェア上に軽量エージェントを実装する

  • IoTやロボット作業用の小規模な自律型エージェントを設計する方法
  • モデル推論およびローカルロジックの実装手順
  • 遅延時間や信頼性を検証・最適化するためのテスト方法

まとめおよび今後の取り組みについて

要求

  • Pythonプログラミングの実務経験があること
  • 機械学習ワークフローに関する基本的な理解があること
  • 組み込みシステムやエッジコンピューティングの概念に馴染みがあること

対象となる受講者

  • AI機能をハードウェアシステムに統合する組み込み系開発者
  • デバイス上で推論処理を行うエッジMLエンジニア
  • 自律的に動作するエージェント型AIをロボットシステムに実装したいチーム
 21 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー