Türkiye 'de Online Edge AI (Uç Yapay Zeka) Eğitimi

Bu eğitmen yönetilen, canlı eğitim (Türkiye - çevrimiçi veya yerel) gelişmiş seviyede AI araştırmacıları, veri bilimcileri ve güvenlik uzmanları için tasarlanmıştır. Bu grup, birden çok kenar cihazda AI modellerini eğitmeye çalışırken veri gizliliğini korumak isteyen kişilere yöneliktir.

Bu eğitim sonunda, katılımcılar aşağıdaki becerileri kazanabilecekler:

• Kenar AI'de federasyon öğrenimi ilkesini ve faydalarını anlamak.
• TensorFlow Federated ve PyTorch kullanarak federasyon öğrenimi modelleri uygulamak.
• Dağıtılmış kenar cihazlarda AI eğitimini optimize etmek.
• Federasyon öğreniminde veri gizliliği ve güvenlik zorluklarını ele almak.
• Gerçek dünyada federasyon öğrenimi sistemlerini dağıtmak ve izlemek.

Bu eğitmen öncülüğünde, canlı eğitim (online veya face-to-face) başlangıç seviyesinden orta seviye agritech uzmanları, IoT uzmanları ve AI mühendisleri için akıllı tarım için Edge AI çözümlerini geliştirmek ve dağıtmak isteyenlerine yöneliktir.

Bu eğitim sonunda, katılımcılar şunları yapabilecektir:

• Edge AI'nin hassas tarım'daki rolünü anlamak.
• AI destekli bitki ve hayvan izleme sistemlerini uygulamak.
• Otomatik sulama ve çevresel algılama çözümleri geliştirmek.
• Gerçek zamanlı Edge AI analizleri kullanarak tarım verimini optimize etmek.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya on-site) ileri düzey siber güvenlik uzmanları, yapay zeka mühendisleri ve IoT geliştiricileri için planlanmıştır; bu gruplar kenar AI sistemlerinde dayanıklı güvenlik önlemleri ve direnc stratejileri uygulamayı istemektedir.

Bu eğitim sonunda, katılımcılar şunları yapabilecektir:

• Kenar AI dağıtımlarındaki güvenlik risklerini ve zayıflıkları anlayabilme.
• Veri koruma için şifreleme ve kimlik doğrulama tekniklerinin uygulanması.
• Sibe tehditlere karşı dayanıklı kenar AI mimarilerinin tasarlanması.
• Kenar ortamlarında güvenli yapay zeka modeli dağıtım stratejilerini uygulama.

Bu eğitmen yönetilen, canlı eğitim (Türkiye'da - çevrimiçi veya yerel) başlangıç seviyesinden orta seviye retails teknolojileri uzmanları, AI geliştiricileri ve iş analistleri için akıllı kasa sistemleri, stok yönetimi ve kişiselleştirilmiş müşteri etkileşimleri için Edge AI çözümlerini uygulamak isteyenler için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Edge AI'nin retail operasyonlarını ve müşteri deneyimini nasıl geliştirdiğini anlamak.
• AI destekli akıllı kasa sistemleri ve kasir olmayan ödeme sistemlerini uygulamak.
• Gerçekte zaman izleme ve analiz ile stok yönetimi optimize etmek.
• Bilgisayarlı görüş ve AI'yı mağazalarda kişiselleştirilmiş deneyimler için kullanmak.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya onsite) orta seviye telekom profesyonelleri, yapay zeka mühendisleri ve IoT uzmanları için tasarlanmıştır; bu grupların 5G ağlarının Edge AI uygulamalarını nasıl hızlandırdığını keşfetmelerine yardımcı olmaktadır.

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecektir:

• 5G teknolojisinin temellerini ve bu teknolojinin Edge AI'ye etkisini anlamak.
• 5G ortamlarında düşük gecikme süresi uygulamaları için uyarlanmış yapay zeka modellerini dağıtmak.
• Edge AI ve 5G bağlantısı kullanarak gerçek zamanlı karar alma sistemlerini uygulamak.
• Kıyı cihazlarındaki verimli performans için yapay zeka yüklemelerini optimize etmek.

Bu eğitmen tarafından yönetilen canlı eğitim (online veya on-site) ortamında, hafif modeli ayarlamak ve optimize etmek isteyen orta düzeyli gömülü AI geliştiricileri ve kenar hesaplama uzmanları için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şu konularda bilgi sahibi olacaktır:

• Kenara uygun ön eğitilmiş modelleri seçme ve uyarlama.
• Model boyutunu ve gecikmeyi azaltmak için nicelendirme, daraltma ve diğer sıkıştırma tekniklerini uygulama.
• Görev özel performansı elde etmek için transfer öğrenimi kullanarak modelleri ayarlama.
• Optimize edilmiş modeli gerçek kenar donanım platformlarına dağıtma.

Bu eğitmen yönetilen canlı eğitim (Türkiye - çevrimiçi veya yerel) ortamında, kenar cihazları üzerinde gerçek zamanlı işlem için bilgi İşleme modellerini uygulayacak ve optimize edecek olan orta düzeyden ileri düzey bilgisayarli görme mühendisleri, AI geliştiricileri ve IoT profesyonellere yönelikdür.

Bu eğitim sonunda, katılımcılar şunları yapabilecektir:

• Kenar AI'nin temellerini ve bilgisayarlı görme uygulamalarındaki kullanımını anlayabilmek.
• Gerçek zamanlı görüntü ve video analizi için optimize edilmiş derin öğrenme modellerini kenar cihazlara dağıtma.
• TensorFlow Lite, OpenVINO ve NVIDIA Jetson SDK gibi çerçeveleri model dağıtımında kullanabilmek.
• AI modellerinin performansı, güç verimliliği ve düşük gecikmeli çıkarım için optimize edebilmek.

Bu eğitmen öncülüğündeki, canlı eğitim Türkiye (çevrimiçi veya yerel) ortamda, enerji verimli donanımlarda AI destekli uygulamalar için TinyML tekniklerini uygulamak isteyen orta düzeyde gömülü mühendisleri, IoT geliştirmecilerini ve AI araştırmacılarını hedef almaktadır.

Bu eğitim sonunda, katılımcılar şunları başarabilecekler:

• TinyML ve kenar AI'nin temellerini anlamak.
• Hafif AI modellerini mikrodenetleyicilere dağıtmak.
• Düşük güç tüketimi için AI çıkarımını optimize etmek.
• TinyML'yi gerçek dünya IoT uygulamalarıyla entegre etmek.

Bu eğitmen öncülüğündeki canlı eğitim Türkiye (çevrimiçi veya yerel) ortamda, robotik uygulamalar için Edge AI'yi uygulamak isteyen orta seviye ile ileri seviye robotik mühendisleri, AI geliştiricileri ve otomasyon uzmanları için tasarlanmıştır.

Bu eğitim sonunda, katılımcılar şunları yapabilecekler:

• Otonom sistemlerde Edge AI'nin rolünü anlamak.
• Gerçek zamanlı robotik için kenar cihazlara AI modelleri dağıtmak.
• Düşük gecikmeli karar alma için AI performansını optimize etmek.
• Robot otonomisi için bilgisayar görüşünü ve sensör bütünleştirmeyi entegre etmek.

Bu eğitmen öncülüğündeki canlı eğitim (çevrimiçi veya yerel), düşük güç tüketimli cihazlarda AI modellerini uygulamak isteyen ileri düzey AI mühendisleri, derlenmiş geliştiriciler ve donanım mühendislerine yönelik olmaktedir.

Bu eğitim sonunda, katılımcılar aşağıdaki becerilere sahip olacaktır:

• Enerji verimli cihazlarda AI çalıştırmadaki zorlukları anlamak.
• Düşük güç tahmine dayalı işlemler için sinir ağlarını optimize etmek.
• Kuantifikasyon, kısaltma ve model sıkıştırma tekniklerini kullanmak.
• Minimal güç kullanımıyla kenar donanımına AI modelleri dağıtmak.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel olarak) orta düzeyde AI geliştiricilerine,.embedded mühendislerine ve robotik mühendislerine yönelik olup, NVIDIA Jetson platformlarında kenar uygulamaları için AI modellerinin optimizasyonu veploymentu hedeflenmektedir.

Bu eğitim sonunda, katılımcılar şunları yapabilecekler:

• Kenar AI'nin temellerini ve NVIDIA Jetson donanımını anlamak.
• Kenar cihazlarındaploymente yönelik AI modellerini optimizasyonu.
• Derin öğrenme çıkarımı hızlandırmak için TensorRT'yi kullanmak.
• JetPack SDK ve ONNX Runtime ile AI modelerininploymentu.

Bu eğitmen önderliğinde, canlı eğitim (çevrimiçi veya yerel) ortamında, ara seviye AI geliştiricileri, makine öğrenimi mühendisleri ve sistem mimarları için tasarlanmıştır. Bu grup bireyler, AI modellerini kenar cihazlarına optimize etmeyi hedeflemektedir.

Eğitim sonunda katılımcılar şunları yapabilecektir:

• Kenar cihazlarında AI modellerini dağıttığında karşılaşılan zorluklar ve gereksinimleri anlamak.
• Model sıkıştırma tekniklerini uygulayarak, AI modelinin boyutunu ve karmaşıklığını azaltmak.
• Kenar donanımlarda model verimliliğini artırmak için nicelendirme yöntemleri kullanmak.
• Öbekleme ve diğer optimize etme tekniklerini uygulayarak model performansını iyileştirmek.
• Optimizasyon yapılmış AI modellerini çeşitli kenar cihazlarına dağıtmak.

Bu Türkiye'ta (çevrimiçi veya yerel) yapılan, eğitimci öncülüğünde canlı eğitim, orta seviye geliştiricilere, veri bilimcilerine ve teknoloji tutkunlarına çeşitli uygulamalar için kenar cihazlarında AI modellerini dağıtmak için pratik beceriler kazanma şansı sunmaktadır.

Bu eğitimin sonunda, katılımcılar şu konuları başarabilecek hale gelecekler:

• Kenar AI'nin ilkelerini ve avantajlarını anlamak.
• Kenar hesaplama ortamını kurmak ve yapılandırmak.
• Kenar dağıtım için AI modelleri geliştirmek, eğitmek ve optimize etmek.
• Pratik AI çözümlerini kenar cihazlarda uygulamak.
• Dağıtılan modellerin performansını değerlendirmek ve geliştirmek.
• Kenar AI uygulamalarında etik ve güvenlik meselelerini ele almak.

Bu Türkiye (çevrimiçi veya yerel)taşıyıcı tarafından verilen canlı eğitim, finans sektöründeki orta düzeyli uzmanlar, fintech geliştiricileri ve AI uzmanları için tasarlanmıştır. Eğitimde, Edge AI çözümlerinin finans hizmetlerinde uygulanması öğretilecektir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Finansal hizmetlerde Edge AI'nin rolünü anlamak.
• Edge AI kullanarak sahtecilik tespit sistemleri uygulamak.
• AI destekli çözümler yoluyla müşteri hizmetlerini geliştirmek.
• Risk yönetimi ve karar verme için Edge AI'yi kullanmak.
• Finansal ortamlarda Edge AI çözümlerini dağıtmak ve yönetmek.

Bu eğitim, Türkiye'da düzenlenecek (çevrimiçi veya yerel olarak) ve endüstriyel otomasyonda Edge AI çözümlerini uygulamayı planlayan orta düzeyli sanayi mühendisleri, üretim uzmanları ve yapay zeka geliştiricilerine yöneliktir.

Bu eğitim sonunda, katılımcılar şu becerilere sahip olacaktır:

• Endüstriyel otomasyonda Edge AI'nin rolünü anlamak.
• Göreceli bakım çözümlerini Edge AI kullanarak uygulamak.
• Üretim süreçlerinde kalite kontrolü için yapay zeka teknikleri uygulamak.
• Endüstriyel süreçleri Edge AI kullanarak optimize etmek.
• Industriyel ortamlarda Edge AI çözümlerini dağıtma ve yönetme.

Edge AI ağın kenarında bulunan cihazlara ve makinelere yapay zeka modellerinin doğrudan dağıtımını ifade eder ve bu, düşük gecikmeli gerçek zamanlı karar alma sağlar.

Bu eğitmenlerce yönetilen canlı eğitim (önline veya yerel), hız, güvenilirlik ve çevrimdışı çalışma kritik olan üretim ortamlarında AI destekli mantık ve kontrol sistemleri dağıtmak isteyen ileri düzey gömülmüş ve IoT profesyonelleri için tasarlanmıştır.

Bu eğitim sonunda katılımcılar:

• Kenar yapay zeka sistemlerinin mimarisini ve faydalarını anlamayı öğrenecekler.
• Gömülü cihazlarda dağıtım için AI modelleri oluşturmayı ve optimize etmeyi öğrenecekler.
• TensorFlow Lite ve OpenVINO gibi araçları düşük gecikmeli çıkarım için kullanmayı öğrenecekler.
• Kenar akılçillerini sensörler, aktüatörler ve endüstriyel protokollere entegre etmeyi öğrenecekler.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Çok sayıda alıştırma ve uygulama.
• canlı-laboratuvar ortamında uygulamalı pratik.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bizimle iletişime geçin.

Bu eğitmen öncülkü, canlı eğitim (online veya on-site) Türkiye konumunda, Tensorflow Lite'i Kıyasın_AI uygulamalarında kullanmak isteyen orta seviye geliştiriciler, veri bilimciler ve yapay zeka uzmanları için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şu becerileri kazanacaklardır:

• Tensorflow Lite'in temel kavramlarını ve Kıyasın_AI'daki rolünü anlamak.
• Tensorflow Lite kullanarak yapay zeka modellerini geliştirme ve optimizasyonu.
• Farklı kıyas cihazlarına Tensorflow Lite modellerini dağıtımını gerçekleştirmek.
• Model dönüştürme ve optimizasyonu için araçlar ve teknikleri kullanmak.
• Pratik Kıyasın_AI uygulamalarını Tensorflow Lite ile uygulamak.

Bu Türkiye'da (online veya face-to-face) gerçekleştirilen, eğitmenler tarafından yönetilen canlı eğitim, orta düzeyde şehir planlayıcılarına, sanayi mühendislerine ve akıllı şehir projelerinin yöneticilerine yönelik Edge AI teknolojisini akıllı şehir girişimleri için kullanmayı amaçlayan kişilere yöneliktir.

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecekler:

• Akıllı şehir altyapısında Edge AI'nin rolünü anlamak.
• Trafik yönetimi ve gözetim için Edge AI çözümlerini uygulamak.
• Edge AI teknolojilerini kullanarak şehir kaynaklarını optimize etmek.
• Var olan akıllı şehir sistemleriyle Edge AI'yi entegre etmek.
• Akıllı şehir uygulamalarında etik ve düzenlemeye dair düşünceleri ele almak.

Bu eğitmen öncül, canlı eğitim (Türkiye çevrimiçi veya yerel) ortamında, orta düzeyde siber güvenlik uzmanları, sistem yöneticileri ve AI etik araştırmaları yapan kişilerin kenar AI çözümlerini güvenli ve etik olarak dağıtmak isteyenlerine yöneliktir.

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecektir:

• Kenar AI'deki güvenlik ve gizlilik zorluklarını anlamak.
• Kenar cihazları ve verileri güvenli hale getirmek için en iyi uygulamaları gerçekleştirebilme becerisi kazanmak.
• Kenar AI dağıtımlarında güvenlik risklerini azaltma stratejileri geliştirme.
• Etik açıdan dikkat edilmesi gereken konulara yaklaşım ve düzenlemelere uyumu sağlamaya odaklanmak.
• Kenar AI uygulamaları için güvenlik değerlendirmeleri ve denetimleri gerçekleştirebilme becerisi kazanmak.

Bu eğitmen öncül, canlı eğitim (çevrimiçi veya çevrimiçi olmak üzere) Türkiye 'da, orta seviye robotik mühendisleri, otomatik araç geliştiricilerini ve AI araştırmacılarını hedefleyerek kenar yaprakları AI'yi (Edge AI) kullanarak yenilikçi otomatik sistem çözümlerine ulaşmayı isteyen kişilere yönelik olarak tasarlanmıştır.

Bu eğitim sonunda, katılımcılar şunları başarabilecek hale gelecekler:

• Otomatik sistemlerde Edge AI'nin rolü ve faydalarını anlamak.
• Kenar cihazlarında gerçek zamanlı işleme için AI modellerini geliştirmek ve dağıtma.
• Otomatik araçlarda, UAV'larda (drone) ve robotikte Edge AI çözümlerini uygulamak.
• Edge AI kullanarak kontrol sistemlerini tasarlamak ve optimize etmek.
• Otonom AI uygulamalarında etik ve düzenleyici meseleleri ele alma.

Bu eğitmen öncülüğünde, canlı eğitim (Türkiye de çevrimiçi veya yerel olarak) orta düzeyde sağlık profesyonellerine, biyomedikal mühendislerine ve Edge AI'yi inovatif sağlık çözümleri için kullanmak isteyen AI geliştiricilerine yönelik olmaktadır.

Bu eğitim sonunda, katılımcılar şunları yapabilecekler:

• Sağlık sektöründe Edge AI'nin rolünü ve faydalarını anlamak.
• Sağlık uygulamaları için kenar cihazlarda AI modelleri geliştirmek ve dağıtma.
• Kenar cihazları ve teşhis araçlarında Edge AI çözümlerini uygulama.
• Edge AI kullanarak hastane izleme sistemlerini tasarlamak ve dağıtma.
• Sağlık sektöründe AI uygulamalarında etik ve düzenleyici meseleleri ele alma.

Edge AI, yapay zeka modellerinin doğrudan gömülü veya kaynak kısıtlı cihazlarda çalışmasını sağlar. Bu sayede gecikme süresi ve enerji tüketimi azaltılırken, robotik sistemlerde otonomiyi ve gizliliği artırır.

Bu eğitmen tarafından yönlendirilen canlı eğitim (çevrimiçi veya kurum içi) orta düzey gömülü geliştiriciler ve robotik mühendisleri hedef almaktadır. Bu grup, TinyML ve edge AI çerçevelerini kullanarak doğrudan robotik donanımda makine öğrenimi çıkarım ve optimizasyon tekniklerini uygulamayı öğrenecektir.

Eğitimin sonunda katılımcılar şunları yapabilecekler:

• TinyML ve robotik için edge AI temellerini anlama.
• Cihaz üzerindeki çıkarım için AI modellerini dönüştürme ve dağıtma.
• Modelleri hız, boyut ve enerji verimliliği açısından optimizetme.
• Edge AI sistemlerini robotik kontrol mimarilerine entegre etme.
• Hassas gerçek dünyada performansı değerlendirme.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• TinyML ve edge AI araç zincirlerini kullanarak pratik uygulamalar.
• Gömülü ve robotik donanım platformlarında pratik alıştırmalar.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek istiyorsanız, lütfen bize iletişime geçin.

Bu eğitmen öncülkü olan canlı eğitim (çevrimiçi veya yerel) ileri düzey AI uzmanları, araştırmacılar ve geliştiricilere yönelik olup, Edge AI'de en son gelişmeleri mastere etmek, AI modellerini kenar dağıtım için optimize etmek ve çeşitli sektörlerde özel uygulamaları keşfetmeyi hedefliyor.

Bu eğitim tamamlandığında, katılımcılar şunları yapabilecek hale gelecek:

• Edge AI model geliştirme ve optimizasyonu konusundaki ileri teknikleri keşfetmek.
• AI modellerini kenar cihazlarına dağıtmak için yenilikçi stratejileri uygulamak.
• Gelişmiş Edge AI uygulamaları için özel araçları ve çerçeveleri kullanmak.
• Edge AI çözümlerinin performansını ve verimliliğini optimize etmek.
• Yenilikçi kullanım alanlarını ve Edge AI'deki yeni trendleri keşfetmek.
• Edge AI dağıtımlarındaki ileri düzey etik ve güvenlik meselelerini ele almak.

Huawei'nin Ascend CANN araç seti, Ascend 310 gibi kenar cihazlarda güçlü AI çıkarımını sağlar. CANN, hesaplama ve bellek kısıtlı ortamlarda modellerin derlenmesi, optimize edilmesi ve dağıtımı için temel araçları sunar.

Bu eğitmen tarzı canlı eğitim (online veya face-to-face) orta düzeyli AI geliştiricilerine ve entegre etmecilere yöneliktir. Bu kişiler, Ascend kenar cihazlarında CANN araç zinciri kullanarak modeli dağıtmayı ve optimize etmek isteyenlerdir.

Bu eğitim sonunda katılımcılar şunları yapabilecek hale gelecek:

• Ascend 310 için AI modellerini hazırlayın ve CANN araçlarıyla dönüştürün.
• MindSpore Lite ve AscendCL kullanarak hafif çıkarım pipeline'larını oluşturun.
• Sınırlı hesaplama ve bellek ortamları için model performansını optimize edin.
• Gerçek dünya kenar kullanım durumlarında AI uygulamalarını dağıtın ve izleyin.

Eğitim Formatı

• Etkileşimli ders anlatımı ve gösteri.
• Kenara özel modeller ve senaryolarla el ile laboratuvar çalışmaları.
• Sanal veya fiziksel kenar donanımda canlı dağıtım örnekleri.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özel bir eğitim talep etmek için bize başvurunuz.

Bu eğitmen öncül, canlı eğitim (online veya face-to-face) ortamında, IoT uygulamalarını zeki veri işleme ve analiz yetenekleriyle geliştirmek isteyen orta düzeyli geliştiriciler, sistem mimarları ve sektör profesyonellerine yönelik olup, Edge AI'nin temel ilkelerini ve IoT'taki kullanım alanlarını anlamayı amaçlamaktadır.

Eğitim sonunda katılımcılar şunları yapabilecekler:

• Edge AI'nin temellerini ve bu teknolojinin IoT'teki kullanımını anlayacaklar.
• IoT cihazları için Edge AI ortamlarını kurup yapılandırabilecekler.
• IoT uygulamaları için kenar cihazlarda AI modelleri geliştirebilecek ve dağıtabilecekler.
• IoT sistemlerinde gerçek zamanlı veri işleme ve karar alma uygulayabilecekler.
• Edge AI'yi çeşitli IoT protokolleri ve platformlarıyla entegre edebilecekler.
• IoT'ta Edge AI için etik düşünceleri ve en iyi uygulamaları ele alabilecekler.

Bu eğitmen eşliğindeki canlı eğitim, Türkiye (çevrimiçi veya yerinde), tahmine dayalı bakım, anomali tespiti ve akıllı sensör uygulamaları için TinyML'i uygulamak isteyen orta düzey IoT geliştiricileri, gömülü sistem mühendisleri ve AI uygulayıcılarına yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecekler:

• TinyML'in temellerini ve IoT'deki uygulamalarını anlamak.
• IoT projeleri için TinyML geliştirme ortamını kurmak.
• Düşük güçlü mikrodenetleyicilerde ML modelleri geliştirmek ve dağıtmak.
• TinyML kullanarak tahmine dayalı bakım ve anomali tespiti uygulamak.
• TinyML modellerini verimli güç ve bellek kullanımı için optimize etmek.

Bu eğitmenler tarafından yönetilen canlı eğitim (çevrimiçi veya yerel), Edge AI'nin kavramdan uygulamaya kapsamlı bir anlayış kazanmak isteyen orta seviye geliştiricilere ve IT profesyonellere yöneliktir, bu da kurulumu ve dağıtımını içeriyor.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri edinebilecekler:

• Edge AI'nin temel kavramlarını anlamak.
• Edge AI ortamlarını kurmayı ve yapılandırmayı öğrenmek.
• Edge AI modellerini geliştirme, eğitme ve optimize etme.
• Edge AI uygulamalarını dağıtım ve yönetimi.
• Var olan sistemlere ve iş akışlarına Edge AI entegrasyonu.
• Edge AI uygulamasında etik consideratıyonlar ve en iyi uygulamaların ele alınması.

Bu eğitmen öncülüğündeki canlı eğitim (çevrimiçi veya yerel), mikrodenetleyicilerde TensorFlow Lite ve Edge Impulse kullanarak makine öğrenme modellerini dağıtmak isteyen orta düzeyde gömülü sistem mühendisleri ve AI geliştiricilere yönelik olmuludur.

Bu eğitim sonunda, katılımcılar aşağıdaki becerileri kazanabilecekler:

• TinyML'nin temellerini ve kenar AI uygulamaları için avantajlarını anlamak.
• TinyML projeleri için bir geliştirme ortamı ayarlama.
• Düşük güç tüketimli mikrodenetleyicilerde AI modellerini eğitme, optimizasyonu ve dağıtma.
• TensorFlow Lite ve Edge Impulse kullanarak gerçek dünyada TinyML uygulamaları uygulama.
• Güç verimliliği ve bellek kısıtlamalarına yönelik AI modellerini optimizasyonu.

Cambricon MLUs (Machine Learning Birimleri) kenar ve veri merkezi senaryolarında tahmin ve eğitim için optimize edilmiş özelleştirilmiş AI chip'leridir.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerel), BANGPy framework'i ve Neuware SDK'yı Cambricon MLU donanımını kullanarak yapay zeka modelleri oluşturmak ve dağıtmak isteyen orta düzeyli geliştiricilere yöneliktir.

Bu eğitim sonunda, katılımcılar şunları yapabilecekler:

• BANGPy ve Neuware geliştirme ortamlarını kurma ve yapılandırma.
• Cambricon MLU'lar için Python ve C++-tabanlı modelleri geliştirmek ve optimize etmek.
• Neuware runtime'u çalıştıran kenar ve veri merkezi cihazlarına model dağıtmak.
• MLU özel hızlandırma özelliklerini ML iş akışlarıyla entegre etmek.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışmalar.
• BANGPy ve Neuware'ın geliştirme ve dağıtım için el ile kullanımı.
• Optimizasyon, entegrasyon ve test odaklı yönlendirilmiş egzersizler.

Eğitim Özelleştirme Seçenekleri

• Cambricon cihaz modelinize veya kullanım durumunuza dayalı bu eğitim için özelleştirilmiş bir eğitim talebinde bulunmak isterseniz, lütfen bizi düzenlemek üzere iletişime geçin.

Bu Türkiye (çevrimiçi veya yerel) eğitim, Edge AI'nin temellerini ve Giriş seviye uygulamalarını anlamak isteyen yeni başlayan geliştiriciler ve IT profesyonellere yönelik olup, canlı bir eğitmen tarafından verilmektedir.

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecekler:

• Edge AI'nin temel kavramlarını ve mimarisini anlamak.
• Edge AI ortamlarını kurma ve yapılandırma.
• Basit Edge AI uygulamaları geliştirmek ve dağıtmak.
• Edge AI'nin kullanım alanlarını ve avantajlarını tanımlamak ve anlamak.