Il corso illustrerà i Modelli AI/ML impiegati nelle applicazioni edge/IoT, le Piattaforme software generali per il training, le Piattaforme hardware per l’inferenza, le Piattaforme software specifiche per hardware dedicato. Il tutto sarà arricchito con Esempi guidati di training e laboratori hands-on.
Embedded Electronic Edge Platforms for AI and ML
Le potenzialità del 5G e delle Tecnologie Emergenti
LE TECNOLOGIE TRATTATE NEL CORSO:
AI,IoT
LUOGO
Da definire
MODALITÀ
Aula, Laboratorio, On line, Mista
LIVELLO
Avanzato
ORE
16
N° MIN. PAX.
6
POLITO
VERTICALE
Smart Road, Urban Air Mobility, Industry 4.0, Servizi Urbani Innovativi
Programma
16 ore suddivise in 4 moduli di 4 ore ciascuno così organizzati:
1. Modelli AI/ML impiegati nelle applicazioni edge/IoT: Support Vector Machine, Multi-layer Perceptron, Convolutional Neural Networks. Training (tipicamente
nel cloud) e inferenza (edge).
2. Piattaforme software generali per il training (es. Keras/Tensorflow, Google Colab). Esempi guidati di training e laboratorio hands-on.
3. Piattaforme hardware per l’inferenza (CPU, GPU, FPGA, DSP, microcontrollori): caratteristiche, applicazioni, modelli di programmazione. Piattaforme software specifiche per hardware dedicato (es. OpenVINO, Vitis AI, Tensorflow Lite).
4. Laboratorio hands-on su piattaforme hardware e applicazioni.
Obiettivi formativi
L’obiettivo del corso è duplice. Da una parte si illustreranno i metodi e le tecniche per la fase di training dei più comuni algoritmi di machine learning e intelligenza artificiale usati nelle applicazioni edge e IoT. Dall’altra si analizzeranno le tipologie e le caratteristiche delle piattaforme hardware di tipo embedded usate in tali applicazioni per eseguire la cosiddetta
fase di inferenza. La frequenza delle lezioni e delle attività laboratoriali proposte consentirà agli allievi di acquisire la conoscenza teorica e pratica sia degli strumenti e dei metodi usati per il training sia dei metodi usati per programmare la fase di inferenza nelle piattaforme hardware più usate. In particolare, le conoscenze acquisite alla fine del corso riguarderanno:
- Principali modelli e algoritmi per ML/AI (es. Support Vector Machine, reti neurali convoluzionali).
- Principali piattaforme hardware per l’inferenza e il training di algoritmi ML/AI (CPU, GPU, VPU, TPU, DPU, FPGA e microcontrollori).
- Piattaforme generali per il training (es. Tensorflow) e dedicate ad hardware specifici (es. Intel OpenVINO, Xilinx Vitis AI, NVIDIA TensorRT).
- Tecniche per programmare applicazioni AI/ML su hardware specifico.
A chi è rivolto il corso?
Responsabili area strategia, sviluppo business, area tecnica, area R&I;Tecnici, Impiegati, Responsabili di aree tecniche, Team Leaders e Project Managers
Prerequisiti
Algebra lineare. Programmazione C/C++
