Edge AI Schulungen in München

Dieses von einem Trainer geleitete Live-Training in München (online oder vor Ort) richtet sich an fortgeschrittene KI-Forscher, Datenwissenschaftler sowie Sicherheitsexperten, die federierte Lernverfahren nutzen möchten, um KI-Modelle auf zahlreichen Edge-Geräten zu trainieren und dabei den Datenschutz sicherzustellen.

Nach Abschluss dieses Trainings werden die Teilnehmer folgendes beherrschen:

• Die Grundprinzipien sowie Vorteile des Federated Learnings im Kontext von Edge AI verstehen.
• Federated-Learning-Modelle mithilfe von TensorFlow Federated und PyTorch implementieren können.
• Das Training von KI-Modellen auf verteilten Edge-Geräten optimieren.
• Herausforderungen im Bereich Datenschutz und Sicherheit beim Federated Learning bewältigen.
• Federated-Learning-Systeme in praktischen Anwendungsszenarien einführen und überwachen.

Dieses von erfahrenen Trainern geleitete Live-Training in München – online oder vor Ort – richtet sich an Agrartechnik-Experten, IoT-Spezialisten sowie KI-Ingenieure mit Grundkenntnissen bis zu mittlerer Erfahrung. Sie lernen hier, Edge AI-Lösungen für den Einsatz in der intelligenten Landwirtschaft zu entwickeln und umzusetzen.

Nach Abschluss dieses Kurses werden die Teilnehmenden folgende Fähigkeiten erlangt haben:

• Das Potenzial von Edge AI für eine präzise landwirtschaftliche Steuerung zu verstehen.
• Systeme zum Überwachen von Pflanzen und Nutztieren auf Basis KI-Technologien einzuführen.
• Automatisierte Lösungen zur Bewässerung sowie Umweltsensorik zu entwickeln.
• Die Effizienz landwirtschaftlicher Prozesse mittels Echtzeit-Analysen durch Edge AI zu steigern.

Dieses von einem Trainer geleitete Live-Training in München (online oder vor Ort) richtet sich an erfahrene IT-Sicherheitsexperten, KI-Ingenieure sowie IoT-Entwickler, die robuste Sicherheitsmaßnahmen und Strategien zur Widerstandsfähigkeit für Edge-AI-Systeme umsetzen möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Sicherheitsrisiken und Schwachstellen bei der Implementierung von Edge AI zu verstehen.
• Verschlüsselungs- sowie Authentifizierungsverfahren zur Datensicherung anzuwenden.
• Widerstandsfähige Architekturen für Edge AI zu entwerfen, die Cyberangriffen standhalten können.
• Sichere Strategien zur Bereitstellung von KI-Modellen in Edge-Umgebungen umzusetzen.

Dieses von einem Instruktor geleitete Live-Training in München (online oder vor Ort) richtet sich an Einzelhandelstechnologie-Experten, AI-Entwickler sowie Geschäftsanalysten mit Grundkenntnissen bis zu mittlerem Wissensstand. Sie alle möchten Edge-AI-Lösungen für smarte Kassen-systeme, Bestandsverwaltung und personalisierte Kundenansprache nutzen.

Am Ende dieses Trainings werden die Teilnehmer folgendes leisten können:

• Das Verständnis dafür erlangen, wie Edge AI Einzelhandelsprozesse sowie das Kundenerlebnis verbessert.
• AI-gesteuerte smarte Kassen- und kassalose Zahlungssysteme implementieren.
• Die Bestandsverwaltung durch Echtzeitüberwachung und -analyse optimieren.
• Computer Vision sowie KI nutzen, um personalisierte Erlebnisse im Laden zu schaffen.

Dieses von erfahrenen Instruktoren geleitete Live-Training in München (online oder vor Ort) richtet sich an Telekommunikationsexperten auf mittlerem Niveau, AI-Ingenieure sowie IoT-Spezialisten, die herausfinden möchten, wie 5G-Netzwerke Edge-AI-Anwendungen beschleunigen können.

Nach Abschluss dieses Trainings werden die Teilnehmenden folgendes beherrschen:

• Die Grundlagen der 5G-Technologie sowie deren Auswirkungen auf Edge AI verstehen.
• KI-Modelle bereitzustellen, die speziell für Anwendungen mit geringer Latenz in 5G-Umgebungen optimiert sind.
• Echtzeit-Entscheidungssysteme mithilfe von Edge AI und 5G-Konnektivität zu implementieren.
• KI-Arbeitslasten so zu optimieren, dass sie auf Edge-Geräten effizient ausgeführt werden können.

Dieses von einem Instruktor geleitete Live-Training in München (online oder vor Ort) richtet sich an eingebettete AI-Entwickler sowie Spezialisten für Edge Computing auf mittlerem Niveau, die leichtgewichtige KI-Modelle feinabstimmen und optimieren möchten, um sie auf ressourcenbegrenzten Geräten einzusetzen.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• Geeignete vortrainierte Modelle für den Einsatz am Edge auszuwählen und anzupassen.
• Quantisierung, Pruning sowie weitere Kompressionstechniken zur Verkleinerung des Modells und Reduzierung der Latenzzeit anzuwenden.
• Modelle mittels Transfer Learning feinabzustimmen, um eine optimale Leistung für spezifische Aufgaben zu erreichen.
• Optimierte Modelle auf realen Edge-Hardwareplattformen bereitzustellen.

Dieses von erfahrenen Instruktoren geleitete Live-Training in München (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler sowie IoT-Fachleute auf mittlerem bis fortgeschrittenem Niveau, die ihre Modelle für die Echtzeitverarbeitung auf Edge-Geräten implementieren und optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer folgendes können:

• Die Grundlagen von Edge AI sowie dessen Anwendungen in der Computer Vision verstehen.
• Optimierte Deep-Learning-Modelle auf Edge-Geräten zur Echtzeit-Analyse von Bildern und Videos einsetzen.
• Frameworks wie TensorFlow Lite, OpenVINO sowie den NVIDIA Jetson SDK für das Deployment der Modelle nutzen.
• KI-Modelle hinsichtlich Leistung, Energieeffizienz und geringer Verzögerung bei der Inferenz optimieren.

Dieses von einem Experten geleitete Live-Training in München (online oder vor Ort) richtet sich an fortgeschrittene Embedded-Ingenieure, IoT-Entwickler sowie KI-Forscher, die TinyML-Techniken zur Implementierung energieeffizienter KI-Anwendungen nutzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Die Grundlagen von TinyML und Edge AI zu verstehen.
• Leichtgewichtige KI-Modelle auf Mikrocontrollern bereitzustellen.
• Die Inferenz ausführungsprozesse der KI so zu optimieren, dass der Stromverbrauch minimiert wird.
• TinyML nahtlos in reale IoT-Anwendungen zu integrieren.

Dieses von erfahrenen Dozenten geleitete Live-Training in München (online oder vor Ort) richtet sich an Roboteringenieure, KI-Entwickler sowie Automatisierungsspezialisten auf mittlerem bis fortgeschrittenem Niveau, die Edge AI in robotischen Anwendungen einsetzen möchten.

Am Ende des Kurses werden die Teilnehmer folgende Fähigkeiten beherrschen:

• Das Verständnis der Rolle von Edge AI in autonomen Systemen.
• Die Implementierung von KI-Modellen auf Edge-Geräten für den Einsatz in Robotik-Systemen in Echtzeit.
• Die Optimierung der KI-Leistung, um Entscheidungen mit geringster Latenz zu ermöglichen.
• Die Integration von Computervision und Sensordatenfusion zur Steuerung autonomer Roboter.

Dieser praxisorientierte Kurs beschäftigt sich mit der Implementierung agentenbasierter KI-Arbeitslasten auf Geräten mit begrenzten Ressourcen. Die Teilnehmenden lernen, leichtgewichtige Agenten zu entwickeln, zu optimieren und zu verwalten – solche, die vor Ort Schlussfolgerungen ziehen können. Dadurch wird Geschwindigkeit, Datenschutz sowie Zuverlässigkeit in verteilten Umgebungen gesteigert. Besonderes Augenmerk liegt auf der Leistungsoptimierung, der Entwicklung latenzarmer Systeme sowie der Integration von Hardware und Software.

Dieses Live-Training unter Anleitung eines Instruktors – online oder vor Ort – richtet sich an Fachkräfte mittleren Kenntnisstands, die agentenbasierte Systeme für Endgeräte mit Python sowie Frameworks für Edge-KI umsetzen und optimieren möchten.

Am Ende des Kurses werden die Teilnehmenden in der Lage sein zu:

• Die Architektur und Herausforderungen beim Einsatz agentenbasierter KI auf Edge-Geräten zu verstehen.
• Leichtgewichtige Agentenkonzepte für Umgebungen mit begrenzten Ressourcen zu entwerfen.
• Vor-Ort-Inferenzen mithilfe von TensorFlow Lite, PyTorch Mobile und ONNX umzusetzen.
• Agenten mit Sensoren, Aktuatoren sowie IoT-Plattformen zu integrieren.
• Die Leistung, Energieeffizienz und Latenz solcher Systeme für Echtzeitanwendungen zu optimieren.

Aufbau des Kurses

• Interaktive Vorträge sowie praktische Demonstrationen.
• Praxisübungen in lokalen oder emulierten Entwicklungsumgebungen.
• Projektbasiertes Lernen sowie angeleitete Implementierungsaufgaben.

Möglichkeiten zur individuellen Anpassung des Kurses

• Wenn Sie eine maßgeschneiderte Ausbildung zu diesem Thema wünschen, kontaktieren Sie uns bitte, um die Details abzustimmen.

Dieses von einem Instruktor geleitete Live-Training in München (online oder vor Ort) richtet sich an fortgeschrittene KI-Ingenieure, Entwickler eingebetteter Systeme sowie Hardware-Entwickler, die KI-Modelle auf energieeffizienten Geräten einsetzen möchten, wobei der Stromverbrauch so gering wie möglich gehalten wird.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein:

• Die Herausforderungen beim Einsatz von KI auf energieeffizienten Geräten zu verstehen.
• Neuronale Netze für den stromsparenden Inferenzvorgang zu optimieren.
• Quantisierung, Pruning sowie Techniken zur Modellkomprimierung anzuwenden.
• KI-Modelle auf Edge-Hardware zu implementieren, wobei der Energieverbrauch minimiert wird.

Dieses vom Dozenten geleitete Live-Training in München (online oder vor Ort) richtet sich an KI-Entwickler mit mittlerem Kenntnisstand, Embedded-Ingenieure sowie Robotik-Ingenieure, die ihre KI-Modelle auf NVIDIA Jetson-Plattformen für Edge-Anwendungen optimieren und bereitstellen möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von Edge-KI sowie die Hardware des NVIDIA Jetson zu verstehen.
• KI-Modelle für die Bereitstellung auf Edge-Geräten zu optimieren.
• TensorRT zur Beschleunigung von Deep-Learning-Inferenzen einzusetzen.
• KI-Modelle mithilfe des JetPack SDK und ONNX Runtime bereitzustellen.

Dieses von einem Dozenten geleitete Live-Training in München – online oder vor Ort – richtet sich an fortgeschrittene KI-Entwickler, Machine-Learning-Ingenieure sowie Systemarchitekten, die ihre KI-Modelle für den Einsatz auf Edge-Geräten optimieren möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Die Herausforderungen und Anforderungen beim Einsatz von KI-Modellen auf Edge-Geräten zu verstehen.
• Modellkomprimierungstechniken anzuwenden, um die Größe sowie Komplexität der KI-Modelle zu reduzieren.
• Quantisierungsmethoden zu nutzen, um die Effizienz von Modellen auf Edge-Hardware zu steigern.
• Pruning sowie weitere Optimierungstechniken einzusetzen, um die Leistung der Modelle zu verbessern.
• Optimierte KI-Modelle auf verschiedenen Edge-Geräten zu implementieren.

Dieses von einem Dozenten geleitete Live-Training in München (online oder vor Ort) richtet sich an Entwickler, Datenwissenschaftler sowie technikbegeisterte Personen mit mittlerem Kenntnisstand, die praktische Fähigkeiten im Bereich der Implementierung von KI-Modellen auf Edge-Geräten erlangen möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein zu:

• Die Grundprinzipien von Edge-KI sowie deren Vorteile zu verstehen.
• Das Edge-Computing-Umfeld einzurichten und zu konfigurieren.
• KI-Modelle für die Nutzung am Edge zu entwickeln, zu trainieren und zu optimieren.
• Praktische KI-Lösungen auf Edge-Geräten umzusetzen.
• Die Leistungsfähigkeit von im Edge-Umfeld eingesetzten Modellen zu bewerten und zu verbessern.
• Ethische sowie sicherheitsrelevante Aspekte bei der Anwendung von Edge-KI zu berücksichtigen.

Dieser unter Anleitung eines Dozenten stattfindende Live-Kurs in München (online oder vor Ort) richtet sich an Fachkräfte aus dem Finanzwesen, Entwickler im Fintech-Bereich sowie AI-Experten mittleren Kenntnisstands, die Edge-AI-Lösungen in der Finanzbranche umsetzen möchten.

Am Ende des Kurses werden die Teilnehmer folgendes leisten können:

• Die Relevanz von Edge AI im Finanzsektor verstehen.
• Betrugserkennungssysteme unter Einsatz von Edge AI implementieren.
• Den Kundenservice mithilfe künstlich intelligenter Lösungen verbessern.
• Edge AI zur Risikosteuerung und Entscheidungsfindung nutzen.
• Edge-AI-Lösungen in finanziellen Umgebungen bereitstellen und verwalten.

Dieses vom Dozenten geleitete Live-Training in München (online oder vor Ort) richtet sich an Industrieingenieure auf mittlerem Niveau, Fachkräfte aus der Produktion sowie AI-Entwickler, die Edge AI-Lösungen in der industriellen Automatisierung implementieren möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer folgende Fähigkeiten erlangen:

• Das Verständnis der Rolle von Edge AI in der industriellen Automatisierung.
• Die Umsetzung von Lösungen zur vorausschauenden Instandhaltung unter Einsatz von Edge AI.
• Den Einsatz künstlicher Intelligenz zur Qualitätskontrolle in Fertigungsprozessen.
• Die Optimierung industrieller Prozesse mithilfe von Edge AI.
• Das Bereitstellen und Verwalten von Edge AI-Lösungen in industriellen Umgebungen.

Edge-KI bezeichnet die Bereitstellung von künstlichen Intelligenzmodellen direkt auf Geräten und Maschinen am Netzwerkrand, wodurch Entscheidungen in Echtzeit mit minimaler Verzögerung getroffen werden können.

Dieses von erfahrenen Instruktoren geleitete Live-Training – online oder vor Ort – richtet sich an fortgeschrittene Entwickler im Bereich der eingebetteten Systeme und des IoT, die KI-gestützte Logik sowie Steuerungssysteme in Fertigungsumgebungen einsetzen möchten, wo Geschwindigkeit, Zuverlässigkeit und die Möglichkeit zum Betrieb ohne Internetverbindung entscheidend sind.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Architektur sowie die Vorteile von Edge-KI-Systemen zu verstehen.
• KI-Modelle für den Einsatz auf eingebetteten Geräten zu erstellen und zu optimieren.
• Werkzeuge wie TensorFlow Lite und OpenVINO zur Erzielung geringer Verzögerungen bei der Inferenz einzusetzen.
• Edge-Intelligenz mit Sensoren, Aktuatoren sowie industriellen Protokollen zu integrieren.

Aufbau des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Zahlreiche Übungen zur praktischen Anwendung.
• Praxisnahe Umsetzung in einer Live-Laborumgebung.

Möglichkeiten zur Kursanpassung

• Sollten Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns bitte zur Absprache.

Dieses von erfahrenen Instruktoren geleitete Live-Training in München (online oder vor Ort) richtet sich an Entwickler, Datenwissenschaftler sowie Fachkräfte aus dem Bereich KI auf mittlerem Kenntnisniveau, die TensorFlow Lite für Edge-AI-Anwendungen einsetzen möchten.

Nach Abschluss des Kurses werden die Teilnehmenden in der Lage sein zu:

• Die Grundprinzipien von TensorFlow Lite sowie dessen Rolle im Kontext von Edge AI zu verstehen.
• KI-Modelle mit TensorFlow Lite zu entwickeln und zu optimieren.
• TensorFlow-Lite-Modelle auf unterschiedlichen Edge-Geräten einzusetzen.
• Werkzeuge sowie Verfahren zur Modellkonvertierung und -optimierung zu nutzen.
• Praktische Edge-AI-Anwendungen mithilfe von TensorFlow Lite umzusetzen.

Dieses vom Dozenten geleitete Live-Training in München (online oder vor Ort) richtet sich an städtische Planer:innen, Bauingenieur:innen sowie Projektmanager:innen auf mittlerem Kenntnisstand, die Edge AI für Initiativen in smarten Städten nutzen möchten.

Nach Abschluss des Kurses sind die Teilnehmer in der Lage:

• Die Rolle von Edge AI in den Infrastrukturen smarter Städte zu verstehen.
• Edge-AI-Lösungen für Verkehrsmanagement und Überwachung umzusetzen.
• Stadtressourcen mithilfe von Edge-AI-Technologien zu optimieren.
• Edge AI nahtlos in bestehende Systeme smarter Städte zu integrieren.
• Ethische und rechtliche Aspekte bei der Einführung von Edge AI in smarten Städten zu berücksichtigen.

Dieses von einem Experten geleitete Live-Training in München (online oder vor Ort) richtet sich an IT-Sicherheitsexperten auf mittlerem Niveau, Systemadministratoren sowie Forscher im Bereich KI-Ethik, die Edge-AI-Lösungen sicher und verantwortungsbewusst einsetzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Sicherheits- und Datenschutzherausforderungen bei Edge AI zu verstehen.
• Bewährte Praktiken zur Absicherung von Edge-Geräten und Daten anzuwenden.
• Strategien zur Verringerung der Sicherheitsrisiken bei Edge-AI-Implementierungen zu entwickeln.
• Ethische Aspekte zu berücksichtigen und die Einhaltung gesetzlicher Vorgaben sicherzustellen.
• Sicherheitsprüfungen sowie Audits für Edge-AI-Anwendungen durchzuführen.

Dieses von einem Trainer geleitete Live-Training in München – online oder vor Ort – richtet sich an Robotik-Ingenieure mittleren Kenntnisstands, Entwickler autonomer Fahrzeuge sowie KI-Forscher, die Edge AI nutzen möchten, um innovative Lösungen für autonome Systeme zu entwickeln.

Am Ende dieses Trainings sind die Teilnehmer in der Lage:

• Die Rolle und Vorteile von Edge AI in autonomen Systemen zu verstehen.
• KI-Modelle für die Echtzeitverarbeitung auf Edge-Geräten zu entwickeln und einzusetzen.
• Edge-AI-Lösungen in autonomen Fahrzeugen, Drohnen sowie Robotern umzusetzen.
• Steuerungssysteme mithilfe von Edge AI zu entwerfen und zu optimieren.
• Ethische und rechtliche Aspekte bei der Anwendung von KI in autonomen Systemen zu berücksichtigen.

Dieses vom Kursleiter moderierte Live-Training in München (online oder vor Ort) richtet sich an medizinisches Fachpersonal auf mittlerem Niveau, Biomedical Engineers sowie KI-Entwickler, die Edge AI nutzen möchten, um innovative Lösungen im Gesundheitswesen zu entwickeln.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Rolle und Vorteile von Edge AI im Gesundheitswesen zu verstehen.
• KI-Modelle für gesundheitliche Anwendungen auf Edge-Geräten zu entwickeln und einzusetzen.
• Edge-AI-Lösungen in Wearables sowie Diagnosegeräten umzusetzen.
• Patientenüberwachungssysteme unter Verwendung von Edge AI zu entwerfen und einzuführen.
• Die ethischen sowie rechtlichen Aspekte bei der Anwendung von KI im Gesundheitsbereich zu berücksichtigen.

Edge AI ermöglicht es künstlichen Intelligenz-Modellen, direkt auf eingebetteten oder ressourcenbegrenzten Geräten zu laufen. Dadurch werden Latenzzeiten und Energieverbrauch reduziert, während die Autonomie sowie Datenschutz in Robotersystemen verbessert werden.

Dieses von einem Instruktor geleitete Live-Training (online oder vor Ort) richtet sich an Entwickler eingebetteter Systeme und Robotik-Ingenieure mittleren Kenntnisstands, die lernen möchten, Techniken zur Maschinellen Lern-Inferenz sowie Optimierung mithilfe von TinyML und Edge AI-Frameworks direkt auf roboterischen Hardwarekomponenten umzusetzen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von TinyML sowie Edge AI im Bereich der Robotik zu verstehen.
• KI-Modelle für die Nutzung direkt am Gerät umzuwandeln und einzusetzen.
• Modelle in Bezug auf Geschwindigkeit, Größe sowie Energieeffizienz zu optimieren.
• Edge AI-Systeme in die Steuerarchitekturen von Robotern zu integrieren.
• Leistung und Genauigkeit der Modelle unter realen Bedingungen zu bewerten.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen mit TinyML- sowie Edge AI-Werkzeugen.
• Anwendungsbezogene Aufgaben auf Plattformen eingebetteter Systeme und Robotikhardware.

Möglichkeiten zur Kursanpassung

• Falls Sie einen maßgeschneiderten Kurs wünschen, kontaktieren Sie uns bitte zur Absprache.

Dieser zukunftsorientierte Kurs behandelt die Verknüpfung von 6G-Funktechnologien mit Edge-Computing, IoT-Ökosystemen sowie datengestützter KI-Verarbeitung – alles im Hinblick auf die Schaffung intelligenter, latenzarmer und anpassungsfähiger Infrastrukturen.

Dieses von erfahrenen Trainern geleitete Live-Training (online oder vor Ort) richtet sich an IT-Architekten mit mittlerem Fachwissen, die lernen möchten, wie man moderne verteilte Architekturen entwirft – unter Nutzung der Synergien zwischen 6G-Konnektivität und intelligenten Edge-Systemen.

Nach Abschluss des Kurses sind die Teilnehmer in der Lage:

• Zu verstehen, wie 6G das Edge-Computing sowie IoT-Architekturen grundlegend verändern wird.
• Verteilte Systeme zu entwerfen, die extrem geringe Latenzzeiten, hohe Bandbreite und autonome Funktionen bieten.
• KI-Technologien sowie Datenanalyse im Edge-Bereich einzubinden, um intelligente Entscheidungen zu treffen.
• Skalierbare, sichere und widerstandsfähige 6G-fähige Edge-Infrastrukturen zu planen.
• Geschäfts- sowie Betriebsmodelle zu bewerten, die durch die Zusammenführung von 6G und Edge entstehen können.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Fallstudien sowie praktische Übungen zum Entwurf von Architekturen.
• Praxisnahe Simulationen unter Verwendung optionaler Edge- oder Container-Werkzeuge.

Möglichkeiten zur individuellen Anpassung des Kurses

• Falls Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns bitte, um dies zu vereinbaren.

Dieses von einem Dozenten geleitete Live-Training in München – online oder vor Ort – richtet sich an fortgeschrittene AI-Praktiker, Forscher und Entwickler, die die neuesten Entwicklungen im Bereich Edge AI meistern, ihre Modelle für den Einsatz auf Edge-Geräten optimieren sowie spezialisierte Anwendungen in verschiedenen Branchen erkunden möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Fortgeschrittene Techniken zur Entwicklung und Optimierung von Edge AI-Modellen kennenzulernen.
• Zukunftsweisende Strategien zur Implementierung von AI-Modellen auf Edge-Geräten anzuwenden.
• Spezialisierte Tools und Frameworks für anspruchsvolle Edge AI-Anwendungen zu nutzen.
• Die Leistungsfähigkeit und Effizienz von Edge AI-Lösungen zu optimieren.
• Innovative Anwendungsbereiche sowie aktuelle Trends im Bereich Edge AI zu erkunden.
• Fortgeschrittene ethische und sicherheitsrelevante Aspekte bei der Implementierung von Edge AI zu berücksichtigen.

Das Ascend CANN-Toolkit von Huawei ermöglicht leistungsfähige KI-Inferenzen auf Edge-Geräten wie dem Ascend 310. CANN stellt wesentliche Hilfsmittel bereit, um Modelle in Umgebungen mit begrenzter Rechenleistung und Speicherkapazität zu kompilieren, zu optimieren sowie bereitzustellen.

Dieses von Instruktoren geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene KI-Entwickler und Integratoren, die Modelle mithilfe des CANN-Toolchains auf Ascend-Edge-Geräten bereitstellen und optimieren möchten.

Am Ende dieses Trainings werden die Teilnehmenden in der Lage sein:

• KI-Modelle mithilfe von CANN-Tools für den Einsatz auf dem Ascend 310 vorzubereiten und umzuwandeln.
• Leichtgewichtige Inferenz-Pipelines mit MindSpore Lite sowie AscendCL zu entwickeln.
• Die Performance von Modellen unter begrenzten Rechen- und Speicherbedingungen zu optimieren.
• KI-Anwendungen in realen Edge-Szenarien bereitzustellen und zu überwachen.

Aufbau des Kurses

• Interaktive Vorträge sowie Demonstrationen.
• Praktische Übungen mit Edge-spezifischen Modellen und Anwendungsfällen.
• Live-Beispiele zur Bereitstellung auf virtueller oder physischer Edge-Hardware.

Individuelle Anpassungsmöglichkeiten des Kurses

• Sollten Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns gerne zur Absprache.

Dieses vom Trainer geleitete Live-Training in München (online oder vor Ort) richtet sich an Entwickler mit mittlerem Kenntnisstand, Systemarchitekten sowie Fachkräfte aus der Industrie, die Edge AI nutzen möchten, um ihre IoT-Anwendungen durch intelligente Datenverarbeitung und Analysefunktionen zu verbessern.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von Edge AI sowie deren Anwendung im IoT-Bereich zu verstehen.
• Edge-AI-Umgebungen für IoT-Geräte einzurichten und zu konfigurieren.
• KI-Modelle für IoT-Anwendungen auf Edge-Geräten zu entwickeln und bereitzustellen.
• Eine Echtzeit-Verarbeitung von Daten sowie Entscheidungsfindung in IoT-Systemen umzusetzen.
• Edge AI mit verschiedenen IoT-Protokollen und -Plattformen zu integrieren.
• Ethische Aspekte sowie bewährte Praktiken bei der Nutzung von Edge AI im IoT-Kontext zu berücksichtigen.

Dieses von einem Instruktor geleitete Live-Training in München (online oder vor Ort) richtet sich an fortgeschrittene IoT-Entwickler, Embedded-Ingenieure sowie KI-Praktiker, die TinyML für vorausschauende Wartung, Anomalieerkennung und intelligente Sensoranwendungen nutzen möchten.

Am Ende des Trainings werden die Teilnehmer folgende Fähigkeiten erlangen:

• Die Grundlagen von TinyML sowie dessen Einsatzmöglichkeiten im IoT-Umfeld verstehen.
• Eine geeignete Entwicklungsumgebung für TinyML in IoT-Projekten einrichten.
• Maschinenlernmodelle für energieeffiziente Mikrocontroller entwickeln und bereitstellen.
• Vorausschauende Wartung sowie Anomalieerkennung mithilfe von TinyML umsetzen.
• TinyML-Modelle so optimieren, dass sie wenig Energie verbrauchen und wenig Speicher benötigen.

Dieses von einem Instruktor geleitete Live-Training in München (online oder vor Ort) richtet sich an Entwickler und IT-Fachkräfte mittleren Kenntnisstands, die ein umfassendes Verständnis von Edge AI erlangen möchten – vom grundlegenden Konzept bis hin zur praktischen Umsetzung, inklusive Einrichtung und Bereitstellung.

Am Ende dieses Trainings werden die Teilnehmer folgendes können:

• Die grundlegenden Konzepte von Edge AI verstehen.
• Edge AI-Umgebungen einrichten und konfigurieren.
• Edge AI-Modelle entwickeln, trainieren und optimieren.
• Edge AI-Anwendungen bereitstellen und verwalten.
• Edge AI in bestehende Systeme und Arbeitsabläufe integrieren.
• Ethische Aspekte sowie bewährte Vorgehensweisen bei der Implementierung von Edge AI berücksichtigen.

Dieses von erfahrenen Trainern geleitete Live-Training in München (online oder vor Ort) richtet sich an Embedded-System-Ingenieure und KI-Entwickler mittleren Kenntnisstands, die Maschinenlernmodelle auf Mikrocontrollern mithilfe von TensorFlow Lite und Edge Impulse einsetzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von TinyML sowie dessen Vorteile für Edge-AI-Anwendungen zu verstehen.
• Eine Entwicklungsumgebung für TinyML-Projekte einzurichten.
• KI-Modelle für leistungsschwache Mikrocontroller zu trainieren, zu optimieren und bereitzustellen.
• TensorFlow Lite sowie Edge Impulse zur Umsetzung realer TinyML-Anwendungen einzusetzen.
• KI-Modelle hinsichtlich Energieeffizienz und Speichernutzung zu optimieren.

Cambricon MLUs (Machine Learning Units) sind spezialisierte KI-Chips, die für Inferenz- und Trainingsaufgaben in Edge- sowie Rechenzentrumsanwendungen optimiert sind.

Dieses von einem Instruktor geleitete Live-Training – entweder online oder vor Ort – richtet sich an Entwickler mittleren Kenntnisstands, die lernen möchten, KI-Modelle mithilfe des BANGPy-Frameworks und des Neuware SDK auf Cambricon MLU-Hardware zu erstellen und bereitzustellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Die Entwicklungsumgebungen von BANGPy und Neuware einzurichten und zu konfigurieren.
• In Python oder C++ geschriebene Modelle für Cambricon MLUs zu entwickeln sowie deren Leistung zu optimieren.
• Modelle auf Edge-Geräten sowie in Rechenzentren zu implementieren, die den Neuware Runtime nutzen.
• KI-Workflows mit speziellen Beschleunigungsfunktionen der MLUs zu integrieren.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen mit BANGPy und Neuware zur Entwicklung und Bereitstellung von Modellen.
• Anleitete Aufgaben zu Optimierung, Integration und Testverfahren.

Möglichkeiten zur individuellen Anpassung

• Falls Sie ein maßgeschneidertes Training wünschen – beispielsweise basierend auf Ihrem spezifischen Cambricon-Gerätemodell oder konkreten Einsatzszenarien –, können Sie uns kontaktieren, um die Einzelheiten zu besprechen.

Dieses praxisorientierte Training unter Anleitung eines Dozenten in München (online oder vor Ort) richtet sich an Entwickler und IT-Fachkräfte mit ersten Vorkenntnissen, die die Grundlagen von Edge AI sowie typische Anwendungsfälle kennenlernen möchten.

Nach Abschluss dieses Kurses werden die Teilnehmenden folgendes vermögen:

• Die grundlegenden Konzepte und die Architektur von Edge AI verstehen.
• Edge-AI-Umgebungen einrichten und konfigurieren können.
• Einfache Anwendungen basierend auf Edge AI entwickeln und einsetzen.
• Typische Einsatzbereiche sowie Vorteile von Edge AI erkennen und verstehen.

In diesem umfassenden Kurs vereinen Sie die transformative Kraft der künstlichen Intelligenz mit der Schnelligkeit und Flexibilität des Edge-Computings. Erfahren Sie, wie man KI-Modelle direkt auf Edge-Geräten einsetzt – angefangen bei grundlegenden CNN-Strukturen bis hin zur meisterhaften Nutzung von Wissensdestillation sowie Federated Learning. Diese praxisnahe Schulung vermittelt Ihnen zudem Fähigkeiten, um KI-Anwendungen so zu optimieren, dass sie in Echtzeit Daten verarbeiten und Entscheidungen treffen können.