Edge AI Trainingen in Utrecht

Deze door een instructeur geleide, live-training in Utrecht (online of ter plaatse) richt zich op AI-onderzoekers op gevorderd niveau, datawetenschappers en beveiligingsexperts die federated Learning willen toepassen om AI-modellen te trainen op meerdere edge-apparaten met behoud van de privacy van gegevens.

Na afloop zullen deelnemers in staat zijn tot:

• De principes en voordelen van federated Learning binnen Edge AI begrijpen.
• Federated Learning-modellen implementeren met behulp van TensorFlow Federated en PyTorch.
• Het trainen van AI-modellen optimaliseren op verspreide edge-apparaten.
• Uitdagingen rond gegevensprivacy en beveiliging bij federated Learning aanpakken.
• Federated Learning-systemen in de praktijk implementeren en monitoren.

Deze begeleide, live-training in Utrecht (online of op locatie) is bedoeld voor agritech-professionals met een begin- tot middenniveau, IoT-specialisten en AI-engineers die Edge AI-oplossingen willen ontwikkelen en implementeren voor slimme landbouw.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De rol van Edge AI te begrijpen binnen precisielandbouw.
• AI-gestuurde systemen voor gewas- en veemonitoring te implementeren.
• Geautomatiseerde irrigatie- en milieusensoroplossingen te ontwikkelen.
• De efficiëntie van landbouwactiviteiten te optimaliseren met realtime Edge AI-analyses.

Deze door een instructeur geleide, live-training in Utrecht (online of ter plaatse) is bedoeld voor cybersecurity-professionals op gevorderd niveau, AI-engineers en IoT-ontwikkelaars die robuuste beveiligingsmaatregelen en strategieën willen implementeren voor Edge AI-systemen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De beveiligingsrisico’s en kwetsbaarheden bij Edge AI-implementaties te begrijpen.
• Versleutelings- en authenticatiemethoden toe te passen ter bescherming van gegevens.
• Robuuste Edge AI-architecturen te ontwerpen die bestand zijn tegen cyberdreigingen.
• Veilige strategieën toe te passen voor het implementeren van AI-modellen in edge-omgevingen.

Deze begeleide, live-training in Utrecht (online of op locatie) is bedoeld voor technologie-experts in de detailhandel, AI-ontwikkelaars en business analysts met een beginners- tot gevorderd niveau. Zij willen Edge AI toepassen bij slimme kassasystemen, voorraadbeheer en gepersonaliseerde klantbenadering.

Na afloop van deze training zullen deelnemers in staat zijn om:

• te begrijpen hoe Edge AI de bedrijfsvoering en klantbeleving in de detailhandel versterkt.
• slimme kassasystemen zonder personeel op basis van kunstmatige intelligentie te implementeren.
• het voorraadbeheer te optimaliseren via real-time tracking en analyse.
• computervisie en AI in te zetten om gepersonaliseerde winkelervaringen te creëren.

Deze door een instructeur geleide training in Utrecht (online of op locatie) is bedoeld voor telecomprofessionals op intermediair niveau, AI-engineers en IoT-specialisten die willen ontdekken hoe 5G-netwerken de implementatie van Edge AI versnellen.

Aan het einde van deze training zullen deelnemers in staat zijn om:

• De basisprincipes van 5G-technologie en de impact daarvan op Edge AI te begrijpen.
• AI-modellen te implementeren die geoptimaliseerd zijn voor applicaties met lage latentie in een 5G-omgeving.
• Real-time besluitvormingssystemen te ontwikkelen waarbij gebruik wordt gemaakt van Edge AI en 5G-connectiviteit.
• De werkbelasting van AI-algoritmen te optimaliseren zodat deze efficiënt functioneren op edge-apparaten.

Deze praktijkgerichte, door een instructeur geleide training in Utrecht (online of op locatie) is bedoeld voor gevorderde embedded AI-ontwikkelaars en specialisten in edge-computing die lichte AI-modellen willen afstellen en optimaliseren voor gebruik op apparaten met beperkte middelen.

Aan het einde van deze training zullen deelnemers kunnen:

• Geschikte vooraf getrainde modellen selecteren en aanpassen voor implementatie op edge-apparaten.
• Kwantificering, pruning en andere compressietechnieken toepassen om de modelgrootte en vertraging te verminderen.
• Modellen afstellen met behulp van transfer learning voor optimale prestaties bij specifieke taken.
• Geoptimaliseerde modellen implementeren op echte edge-hardwareplatformen.

Deze praktijkgerichte training onder leiding van een instructeur in Utrecht (online of ter plaatse) richt zich op computer vision-engineers, AI-ontwikkelaars en IoT-professionals met een gemiddelde tot gevorderde kennis die AI-modellen voor computervisie willen implementeren en optimaliseren voor real-time verwerking op edge-apparaten.

Na afloop van deze training zullen deelnemers in staat zijn om:

• De basisprincipes van Edge AI en diens toepassingen in computervisie te begrijpen.
• Geoptimaliseerde deep learning-modellen op edge-apparaten te implementeren voor real-time beeld- en videoverwerking.
• Frameworks zoals TensorFlow Lite, OpenVINO en NVIDIA Jetson SDK te gebruiken bij het implementeren van modellen.
• AI-modellen te optimaliseren met betrekking tot prestaties, energie-efficiëntie en snelle inferentie.

Deze interactieve training onder begeleiding van een instructeur in Utrecht (online of ter plaatse) richt zich op embedded-engineers, IoT-ontwikkelaars en AI-onderzoekers die ervaring hebben met het gebruik van TinyML voor energiezuinige hardware en AI-toepassingen.

Na afloop zullen deelnemers in staat zijn tot:

• De basisprincipes van TinyML en edge-AI begrijpen.
• Lichte AI-modellen implementeren op microcontrollers.
• AI-inferentie optimaliseren om energieverbruik te verminderen.
• TinyML integreren in reële IoT-toepassingen.

Deze praktijkgerichte, live-training onder begeleiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor robotics-engineers, AI-ontwikkelaars en specialisten op het gebied van automatisering met een middenniveau tot gevorderde kennis. Zij willen graag Edge AI toepassen in robotica-applicaties.

Na afronding van deze training zijn deelnemers in staat tot:

• Het begrijpen van de rol die Edge AI speelt in autonome systemen.
• Het implementeren van AI-modellen op edge-apparaten voor realtime robotbesturing.
• Het optimaliseren van AI-prestaties om besluitvorming met minimale vertraging mogelijk te maken.
• Het combineren van computervisie en sensorgegevens voor een volledig autonome robotbesturing.

Deze praktijkgerichte cursus richt zich op het implementeren van agentische AI-toepassingen op apparaten met beperkte resources. Deelnemers leren hoe ze lichtgewicht agents kunnen ontwikkelen, optimaliseren en beheren die zelfstandig redeneer- en inferentieprocessen uitvoeren, waardoor snelheid, privacy en betrouwbaarheid in gedistribueerde omgevingen verbeteren. De cursus legt nadruk op prestatieoptimalisatie, ontwerp met minimale vertraging en de integratie tussen hardware en software.

Deze begeleide training (online of ter plaatse) is bedoeld voor professionals met een gemiddelde kennisniveau die op-apparaat agentische systemen willen implementeren en optimaliseren met behulp van Python en edge-AI-frameworks.

Na afronding van deze training kunnen deelnemers:

• De architectuur en beperkingen begrijpen bij het draaien van agentische AI op edge-apparaten.
• Lichtgewicht agenten ontwerpen die geschikt zijn voor omgevingen met beperkte middelen.
• Lokale inferentie implementeren via TensorFlow Lite, PyTorch Mobile en ONNX.
• Agents integreren met sensoren, actuatoren en IoT-platformen.
• Prestaties, energiegebruik en vertraging optimaliseren voor realtime toepassingen.

Opzet van de cursus

• Interactieve lezingen en praktische demonstraties.
• Praktisch ontwikkelwerk in lokale of geëmuleerde omgevingen.
• Projectmatig leren met begeleide implementatieoefeningen.

Mogelijkheden tot aanpassing van de cursus

• Wilt u een op maat gemaakte versie van deze training? Neem dan contact met ons op om de mogelijkheden te bespreken.

Deze interactieve training onder leiding van een instructeur in Utrecht (online of ter plaatse) is bedoeld voor AI-engineers, embedded-ontwikkelaars en hardware-engineers met gevorderde kennis die AI-modellen willen implementeren op energiezuinige apparaten met zo min mogelijk energieverbruik.

Aan het einde van deze training zullen deelnemers in staat zijn tot:

• Het begrijpen van de uitdagingen die gepaard gaan met het draaien van AI op energiezuinige apparaten.
• Het optimaliseren van neurale netwerken voor inferie bij beperkte energievoorziening.
• Het toepassen van technieken als kwantisatie, pruning en modelcompressie.
• Het implementeren van AI-modellen op edge-hardware met minimaal energieverbruik.

Deze door een instructeur geleide, live-training in Utrecht (online of ter plaatse) richt zich op AI-ontwikkelaars en embedded- en robotica-engineers op intermediair niveau die hun AI-modellen willen optimaliseren en implementeren op NVIDIA Jetson-platforms voor randtoepassingen.

Na afloop van deze training zijn de deelnemers in staat om:

• De basisprincipes van Edge AI en de hardware van NVIDIA Jetson te begrijpen.
• AI-modellen te optimaliseren voor implementatie op randapparaten.
• TensorRT te gebruiken om inferentie van diepe leertechnieken te versnellen.
• AI-modellen te implementeren met behulp van JetPack SDK en ONNX Runtime.

Deze door een instructeur geleide training in Utrecht (online of ter plaatse) richt zich op AI-ontwikkelaars, machine learning-engineers en systeemarchitecten met voldoende ervaring die hun modellen optimaliseren voor gebruik op edge-apparaten.

Na afloop van de cursus zullen deelnemers het volgende kunnen:

• De uitdagingen en vereisten begrijpen bij het implementeren van AI-modellen op edge-apparaten.
• Modelcompressietechnieken toepassen om de grootte en complexiteit van AI-modellen te verminderen.
• Kwantisatiemethoden gebruiken om het rendement van modellen op edge-hardware te verbeteren.
• Pruning en andere optimalisatietechnieken toepassen voor een betere prestaties van AI-modellen.
• Optimale AI-modellen implementeren op diverse edge-apparaten.

Deze door een docent geleide live-training in Utrecht (online of ter plaatse) richt zich op ontwikkelaars, data scientists en technologie-enthusiasten met middenniveau die praktische vaardigheden willen verwerven op het gebied van AI-modelimplementatie op edge-apparaten.

Aan het einde van deze training kunnen deelnemers:

• De basisprincipes en voordelen van Edge AI begrijpen.
• De edge-computingomgeving instellen en configureren.
• AI-modellen ontwikkelen, trainen en optimaliseren voor implementatie op edge-apparaten.
• Praktische AI-oplossingen realiseren op edge-hardware.
• De prestaties van op edge geïmplementeerde modellen evalueren en verbeteren.
• Rekening houden met ethische en beveiligingsaspecten bij Edge AI-toepassingen.

Deze door een docent geleide, live-training in Utrecht (online of ter plaatse) is bedoeld voor financiële professionals met middenniveau kennis, fintech-ontwikkelaars en AI-specialisten die Edge AI-oplossingen willen toepassen in de financiële dienstverlening.

Na afloop van deze training zullen deelnemers in staat zijn tot:

• Het begrijpen van de rol die Edge AI speelt binnen financiële diensten.
• Het implementeren van systemen voor fraudebestrijding met behulp van Edge AI.
• Het verbeteren van klantenservice middels AI-gestuurde oplossingen.
• Het toepassen van Edge AI bij risicomanagement en besluitvorming.
• Het implementeren en beheren van Edge AI-oplossingen in een financiële omgeving.

Deze door een instructeur geleide training in Utrecht (online of op locatie) is bedoeld voor industrieel ingenieurs, professionals in de productie en ontwikkelaars van AI met basiskennis, die Edge AI-oplossingen willen implementeren binnen industriële automatisering.

Na afronding van deze training zijn deelnemers in staat om:

• De rol van Edge AI te begrijpen in het kader van industriële automatisering.
• Voorspellende onderhoudsoplossingen te implementeren met behulp van Edge AI.
• AI-technieken toe te passen voor kwaliteitscontrole in productieprocessen.
• Industriële processen te optimaliseren met Edge AI.
• Edge AI-oplossingen te implementeren en beheren in industriële omgevingen.

Edge AI houdt in dat kunstmatige intelligentiemodellen rechtstreeks op apparaten en machines aan de rand van het netwerk worden geïmplementeerd, waardoor snelle besluitvorming met minimale vertraging mogelijk wordt.

Deze interactieve, live-training onder leiding van een instructeur (online of op locatie) is bedoeld voor ervaren embedded-ontwikkelaars en IoT-professionals die AI-gestuurde logica en besturingssystemen willen toepassen in productieomgevingen waar snelheid, betrouwbaarheid en offline werking cruciaal zijn.

Na afronding van deze training zullen de deelnemers het volgende kunnen:

• De architectuur en voordelen van Edge AI-systemen begrijpen.
• AI-modellen bouwen en optimaliseren voor implementatie op embedded-apparaten.
• Tools zoals TensorFlow Lite en OpenVINO gebruiken voor inferentie met minimale vertraging.
• Edge-intelligentie integreren met sensoren, actuatoren en industriële protocollen.

Opzet van de cursus

• Interactieve presentaties en discussies.
• Veel oefeningen en praktische activiteiten.
• Hands-on implementatie in een live-labomgeving.

Mogelijkheden voor aanpassing van de cursus

• Wilt u een op maat gemaakte training? Neem dan contact met ons op om dit te bespreken.

Deze praktijkgerichte training onder begeleiding van een instructeur in Utrecht (online of op locatie) richt zich op ontwikkelaars, data scientists en AI-experts met basiskennis die TensorFlow Lite willen gebruiken voor Edge AI-toepassingen.

Aan het einde van de training zullen deelnemers in staat zijn om:

• De basisprincipes van TensorFlow Lite te begrijpen en diens rol binnen Edge AI te doorgronden.
• AI-modellen te ontwikkelen en te optimaliseren met TensorFlow Lite.
• Deze modellen op diverse edge-apparaten uit te rollen.
• Juiste hulpmiddelen en technieken toe te passen bij modelconversie en -optimalisatie.
• Praktische Edge AI-oplossingen te realiseren met behulp van TensorFlow Lite.

Deze door een instructeur geleide training in Utrecht (online of op locatie) is bedoeld voor stedelijk planners, civiel ingenieurs en projectmanagers van slimme steden met middenkwalificaties die Edge AI willen toepassen in hun initiatieven voor slimme steden.

Aan het einde van deze training zijn deelnemers in staat om:

• De rol van Edge AI binnen de infrastructuur van slimme steden te begrijpen.
• Edge AI-oplossingen te implementeren voor verkeersbeheer en bewaking.
• Stedelijke resources te optimaliseren met behulp van Edge AI-technologieën.
• Edge AI te integreren met bestaande systemen voor slimme steden.
• Ethische en wettelijke aspecten bij de implementatie van Edge AI in slimme steden te beoordelen.

Deze live-training onder leiding van een instructeur in Utrecht (online of op locatie) is bestemd voor cybersecurity-professionals met een midden- tot gevorderd niveau, systeembeheerders en onderzoekers op het gebied van AI-ethiek die Edge AI-oplossingen veilig en ethisch willen implementeren.

Aan het einde van deze training zijn deelnemers in staat om:

• De beveiligings- en privacyuitdagingen binnen Edge AI te begrijpen.
• Best practices toe te passen voor het beveiligen van randapparaten en gegevens.
• Strategieën te ontwikkelen om beveiligingsrisico’s bij Edge AI-implementaties te verminderen.
• Ethische kwesties te adresseren en naleving van regelgeving te waarborgen.
• Beveiligingsanalyses en audits uit te voeren voor Edge AI-toepassingen.

Deze live-training onder begeleiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor robots-engineers met middenniveau, ontwikkelaars van zelfrijdende voertuigen en AI-onderzoekers die Edge AI willen benutten om innovatieve oplossingen te creëren voor autonome systemen.

Na afloop van deze training kunnen deelnemers:

• De rol en voordelen van Edge AI in autonome systemen begrijpen.
• AI-modellen ontwikkelen en implementeren voor realtime-verwerking op edge-apparaten.
• Edge AI-oplossingen toepassen in zelfrijdende voertuigen, drones en robots.
• Besturingssystemen ontwerpen en optimaliseren met behulp van Edge AI.
• De ethische en regelgevende aspecten van AI-toepassingen in autonome systemen bespreken.

Deze door instructeurs begeleide live-training in Utrecht (online of op locatie) is bedoeld voor zorgprofessionals, biomedische ingenieurs en AI-ontwikkelaars die op middenniveau zich bezighouden met het toepassen van Edge AI voor innovatieve oplossingen binnen de gezondheidszorg.

Na afloop van deze training zijn deelnemers in staat om:

• De rol en voordelen van Edge AI in de zorg te begrijpen.
• AI-modellen te ontwikkelen en te implementeren op edge-apparaten voor medische toepassingen.
• Edge AI-oplossingen toe te passen in wearables en diagnostische hulpmiddelen.
• Patiëntbewakingssystemen te ontwerpen en implementeren met behulp van Edge AI.
• Rekening te houden met ethische en regelgevende aspecten bij het gebruik van AI in de zorg.

Met Edge AI kunnen kunstmatige intelligentiemodellen rechtstreeks worden uitgevoerd op ingebedde of beperkt bemeten apparaten. Dit leidt tot minder vertraging, lager energieverbruik en een grotere mate van autonomie en privacy binnen robotische systemen.

Deze praktijkgerichte training onder leiding van een instructeur (online of ter plaatse) is bedoeld voor ontwikkelaars van ingebedde systemen en robotica-ontwerpers op middenniveau die machine learning-technieken willen toepassen en optimaliseren op robothardware met behulp van TinyML en Edge AI-frameworks.

Aan het einde van deze training zullen deelnemers in staat zijn om te:

• De basisprincipes van TinyML en Edge AI binnen robotica te begrijpen.
• AI-modellen om te zetten en te implementeren voor inferentie op het apparaat.
• Modellen te optimaliseren qua snelheid, grootte en energie-efficiëntie.
• Edge AI-systemen te integreren in robotbesturingsarchitecturen.
• Prestaties en nauwkeurigheid van modellen te evalueren onder reële omstandigheden.

Opbouw van de cursus

• Interactieve lezingen en discussies.
• Praktische oefeningen met TinyML- en Edge AI-toolsets.
• Hands-on activiteiten op ingebedde systemen en robotplatforms.

Mogelijkheden tot maatwerk

• Wilt u een aangepaste training? Neem dan contact met ons op om de mogelijkheden te bespreken.

De cursus '6G en het Intelligente Randnetwerk' biedt een vooruitziende blik op de integratie van 6G-draadloze technologieën met edge computing, IoT-ecosystemen en AI-gestuurde gegevensverwerking. Dit bevordert de ontwikkeling van intelligente, responsieve infrastructuren met minimale vertraging.

Deze live-training onder leiding van een instructeur (zowel online als op locatie) is bedoeld voor IT-architecten met voldoende kennis die zich willen verdiepen in het ontwerpen van toekomstbestendige, gedistribueerde systemen waarbij 6G-connectiviteit en intelligente randsystemen samenkomen.

Na afronding van deze cursus zullen deelnemers in staat zijn om:

• De manier te begrijpen waarop 6G edge computing en IoT-architecturen zal transformeren.
• Gedistribueerde systemen te ontwerpen met extreem lage vertraging, hoge bandbreedte en autonome werking.
• AI en gegevensanalyse te integreren aan de rand van het netwerk voor intelligente besluitvorming.
• Schaalbare, beveiligde en robuste 6G-ready randinfrastructuren te plannen.
• De zakelijke en operationele modellen te evalueren die ontstaan door de convergentie tussen 6G en het randnetwerk.

Opbouw van de cursus

• Interactieve lezingen en discussies.
• Case studies en praktische oefeningen in het ontwerpen van architecturen.
• Handmatige simulaties met optioneel gebruik van edge- of containertechnologieën.

Opties voor maatwerk aan de cursus

• Indien u een op maat gemaakte versie van deze cursus wenst, kunt u contact met ons opnemen om dit te regelen.

Deze live-training onder begeleiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor gevorderde AI-professionals, onderzoekers en ontwikkelaars die de nieuwste ontwikkelingen in Edge AI willen beheersen, hun AI-modellen optimaal kunnen afstemmen op implementatie op edge-apparaten en specifieke toepassingen binnen diverse branches verkennen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Geavanceerde technieken te gebruiken bij het ontwikkelen en optimaliseren van Edge AI-modellen.
• Innovatieve strategieën toe te passen voor het implementeren van AI-modellen op edge-apparaten.
• Gespecialiseerde tools en frameworks in te zetten bij complexe Edge AI-toepassingen.
• De prestaties en efficiëntie van Edge AI-oplossingen te verbeteren.
• Nieuwe gebruiksmogelijkheden en opkomende trends binnen Edge AI te ontdekken.
• Complexe ethische en beveiligingsaspecten bij implementatie van Edge AI aan te pakken.

Het Ascend CANN-hulpmiddelenpakket van Huawei maakt het mogelijk om krachtige AI-inferentie uit te voeren op randapparaten, zoals de Ascend 310. CANN biedt essentiële hulpmiddelen voor het compileren, optimaliseren en implementeren van modellen wanneer rekenkracht en geheugen beperkt zijn.

Deze door een instructeur geleide live-training (online of op locatie) is bedoeld voor AI-ontwikkelaars en systeemintegratoren met voldoende voorkennis die modellen willen implementeren en optimaliseren op Ascend-randapparaten met behulp van het CANN-hulpmiddelenpakket.

Aan het einde van deze training zullen deelnemers in staat zijn tot:

• Het voorbereiden en omzetten van AI-modellen voor gebruik op de Ascend 310 met behulp van CANN-hulpmiddelen.
• Het bouwen van lichte inferentiepijplijnen met MindSpore Lite en AscendCL.
• Het optimaliseren van modelprestaties in omgevingen met beperkte rekenkracht en geheugenruimte.
• Het implementeren en monitoren van AI-applicaties in praktische randtoepassingen.

Opbouw van de cursus

• Interactieve lezingen en demonstraties.
• Praktische oefeningen met modellen en scenario’s specifiek voor randapparaten.
• Livevoorbeelden van implementatie op virtuele of fysieke randhardware.

Mogelijkheden tot aanpassing van de cursus

• Bent u geïnteresseerd in een op maat gemaakte training? Neem dan contact met ons op om dit te regelen.

Deze praktijkgerichte training onder leiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor ontwikkelaars, systeemarchitecten en professionals uit de sector die Edge AI willen inzetten om IoT-toepassingen te versterken met intelligente gegevensverwerking en analyses.

Na afronding van deze training kunnen deelnemers:

• De fundamentele beginselen van Edge AI begrijpen en hoe dit toe te passen in IoT-omgevingen.
• Edge AI-omgevingen voor IoT-apparaten instellen en configureren.
• AI-modellen ontwikkelen en implementeren op edge-apparaten voor IoT-toepassingen.
• Real-time verwerking van gegevens en besluitvorming in IoT-systemen realiseren.
• Edge AI integreren met verschillende IoT-protocollen en platforms.
• Rekening houden met ethische overwegingen en best practices bij het gebruik van Edge AI in IoT-contexten.

Deze door een instructeur geleide live-training in Utrecht (online of op locatie) is bestemd voor IoT-ontwikkelaars met middenniveau ervaring, embedded-engineers en AI-professionals die TinyML willen toepassen voor voorspellend onderhoud, anomaliedetectie en slimme sensortoepassingen.

Aan het einde van deze training kunnen deelnemers:

• De basisprincipes van TinyML en zijn toepassingen binnen IoT begrijpen.
• Een ontwikkelomgeving voor TinyML opzetten voor hun IoT-projecten.
• Machine learning-modellen ontwikkelen en implementeren op energiezuinige microcontrollers.
• Voorspellend onderhoud en anomaliedetectie realiseren met behulp van TinyML.
• TinyML-modellen optimaliseren zodat ze efficiënt omgaan met stroomverbruik en geheugen.

Deze praktijkgerichte training onder leiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor ontwikkelaars en IT-professionals met basiskennis die zich een grondig begrip willen eigen maken van Edge AI, variërend van concepten tot de daadwerkelijke implementatie, inclusief configuratie en uitrol.

Na afloop van deze training zijn de deelnemers in staat tot:

• De basisconcepten van Edge AI begrijpen.
• Edge AI-omgevingen op te zetten en te configureren.
• Edge AI-modellen te ontwikkelen, trainen en optimaliseren.
• Edge AI-applicaties te implementeren en beheren.
• Edge AI te integreren in bestaande systemen en werkprocessen.
• De ethische aspecten en aanbevolen praktijken bij implementatie van Edge AI te overwegen.

Deze begeleide, live-training in Utrecht (online of op locatie) is bedoeld voor embedded-systeemontwikkelaars en AI-ontwikkelaars met middenniveau kennis die machine learning-modellen willen implementeren op microcontrollers, gebruikmakend van TensorFlow Lite en Edge Impulse.

Na afloop van deze training zijn de deelnemers in staat tot:

• De basisprincipes van TinyML begrijpen en de voordelen ervan voor edge-AI-toepassingen inzien.
• Een ontwikkelomgeving opzetten voor TinyML-projecten.
• AI-modellen trainen, optimaliseren en implementeren op energiezuinige microcontrollers.
• TensorFlow Lite en Edge Impulse gebruiken voor het realiseren van praktische TinyML-toepassingen.
• AI-modellen optimaliseren met betrekking tot energiezuinigheid en beperkingen in geheugengebruik.

Cambricon MLU’s (Machine Learning Units) zijn gespecialiseerde AI-chips die optimaal presteren bij het uitvoeren en trainen van modellen, zowel in edge-omgevingen als datacentra.

Deze praktijkgerichte training onder begeleiding van een instructeur (online of op locatie) richt zich op ontwikkelaars met middenniveau kennis die AI-modellen willen ontwikkelen en implementeren met behulp van het BANGPy-framework en de Neuware SDK op Cambricon MLU-hardware.

Aan het einde van deze training zullen deelnemers in staat zijn om:

• Het ontwikkelmilieu voor BANGPy en Neuware correct in te stellen.
• Python- en C++-gebaseerde modellen te ontwikkelen en te optimaliseren voor gebruik op Cambricon MLU’s.
• Modellen te implementeren op edge-apparaten en datacentra die de Neuware-runtime draaien.
• AI-werkstromen te integreren met versnelleringsfuncties die specifiek zijn voor Cambricon MLU’s.

Opbouw van de training

• Interactieve presentaties en discussies.
• Praktische oefeningen met BANGPy en Neuware voor ontwikkeling en implementatie.
• Gedetailleerde oefeningen gericht op optimalisatie, integratie en testen.

Mogelijkheden tot maatwerk

• Wilt u een op maat gemaakte training die aansluit bij uw Cambricon-apparaat of toepassingsdoel? Neem dan contact met ons op om de mogelijkheden te bespreken.

Deze praktijkgerichte training onder begeleiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor ontwikkelaars en IT-professionals die nog weinig ervaring hebben, maar de basisprincipes van Edge AI en de eerste toepassingen willen begrijpen.

Na afloop van deze training zullen de deelnemers in staat zijn om:

• De fundamentele concepten en architectuur van Edge AI te begrijpen.
• Edge AI-omgevingen op te zetten en te configureren.
• Eenvoudige Edge AI-applicaties te ontwikkelen en te implementeren.
• De gebruikscases en voordelen van Edge AI te herkennen en te begrijpen.