コース概要

エッジとエージェンシック AI の概要

  • エージェンシック AI とエッジコンピューティングの概要
  • 遅延、プライバシー、帯域幅の考慮事項
  • アーキテクチャの比較: クラウド対エッジエージェント

軽量エージェントアーキテクチャの設計

  • 制約のあるシステム向けにエージェント ループを分解する
  • 効率的な計算のための非同期設計
  • 自主性と接続性のバランス

開発環境のセットアップ

  • エッジ AI 用の Python フレームワークのインストール
  • TensorFlow Lite と PyTorch Mobile の設定
  • Raspberry Pi や類似デバイスでのテスト環境の展開

デバイス上の推論の実装

  • エッジ展開向けモデルの変換と量子化
  • TensorFlow Lite と ONNX Runtime を使用した推論の実行
  • 推論結果をエージェントの決定ループに統合する

エージェントとハードウェア、IoT の統合

  • センサ、アクチュエータ、IoT モジュールの接続
  • ローカルデータ収集と処理パイプライン
  • オフライン操作とイベント駆動型動作

最適化と監視

  • 低消費電力と高速処理のためのパフォーマンス調整
  • エッジキャッシュとモデル圧縮技術
  • エッジエージェントの監視とデバッグ

実践プロジェクト: エッジハードウェア上の軽量エージェントの展開

  • IoT またはロボティクスタスク向けに小さな自律エージェントを設計する
  • モデル推論とローカルロジックの実装
  • 遅延と信頼性のためにテストと最適化を行う

まとめと次回のステップ

要求

  • Python プログラミングの経験
  • 機械学習ワークフローの基本的な理解
  • 埋め込みまたはエッジコンピューティングの概念に精通していること

対象者

  • AI をハードウェアシステムに統合する組み込み開発者
  • デバイス上の推論ソリューションを設計するエッジ ML エンジニア
  • 自律動作のためのエージェンシック AI を展開するロボティクスチーム
 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