Opciones de matriculación
Die Vorlesung ermöglicht den Studenten eine praxisorientierte Einführung in das Gebiet Edge Intelligence. Existierende Deep-Learning/Machine Learning Modelle werden unter realen Randbedingungen in Edge Computing Systeme überführt. In Laboraufgaben und einem größeren Projekt erlernen die Studenten die Realisierung von Tensorflow und NVIDIA TensorRT basierenden Algorithmen für ML-Modelle in Edge Computing Systemen. Kompetenzen / Schlüsselqualifikationen:
- Methodenkompetenz zur Analyse komplexer, verteilter Vorgänge.
- Methodenkompetenz zum Entwurf einer geeigneten Edge Computing Systemarchitektur.
- Methodenkompetenz zur Analyse und Konzeption von Datenstrom-orientierter Programmierung am Beispiel von Tensorflow (Lite).
- Methodenkompetenz zum Entwurf von Linux-Device Treiber zur Anbindung von Sensoren und Aktoren.
- Anwendungskompetenzen im Bereich IoT-Protokolle und Services.
- Praktische Erfahrungen an Edge-Computing basierten Embedded Linux Devices.
Voraussetzungen
Gute C++ und Python Kenntnisse aus dem Bachelorstudium der Technischen Informatik/ Informatik und Medizintechnik.
- Dozent(in): Eric Heim
Los invitados no pueden entrar a este curso. Por favor acceda con sus datos.