Einschreibeoptionen
Einführung: Edge Intelligence und industrielle Echtzeitsysteme Inferenz von Deep-Learning/Machine Learning Modellen in Edge Computing unter Berücksichtigung von zeitlichen Randbedingungen. Eignung von Hardwarearchitekturen: GPU, TPU, CPU und FPGA vergleich System-Architekturen: Edge-Computing mit Echtzeitanforderungen Technologien: Einführung in die End-to-End Open Source Machine Learning Plattform Tensorflow sowie NVIDIA TensorRT, Container basiertes Deployment am Beispiel von Docker. Iot-Protokolle und Services: Amazon Web Services (AWS), Message Queuing Telemetry Transport (MQTT), Constrained Application Protocol (CoAP) sowie 5G-Kommunikation für Factories of the Future Praktikum: · Tensorflow unter C++ und Python · Anbindung an Amazon Web Services (AWS) · Entwicklung von Linux-Device Treiber zur Sensor- und Aktor- Anbindung · Anbindung an ProfiNet und SPS · Praktikumsprojekt mit Industrieroboter: Kuka LWR 7 |
- Dozent(in): Marcus Vetter