Edge Intelligence

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