A képzés címe: Beágyazott Mesterséges Intelligencia
A képzés leírása: A képzés célja, hogy megismertesse a résztvevőket a klasszikus és a modern mesterséges intelligencia megoldások beágyazott környezetben való alkalmazásának sajátosságaival. A képzés résztvevői megismerik a beágyazott rendszerekhez kapcsolódó információfeldolgozás mesterséges intelligencia algoritmusait. Átfogó képet kapnak arról, hogy mely modellosztályok alkalmasak adott célfeladatok megvalósítására, ezek milyen előnyökkel, illetve korlátokkal rendelkeznek. Végül pedig betekintést nyernek az elkészített modellek hardverbe ágyazhatóságának kérdésibe, áttekintik a számítási és energiaforrásbeli korlátokat, illetve a válaszidőre és adatbiztonságra kiterjedő aspektusokat.
A képzés ideje: 2026.04.10 14:00-17:00
Amennyiben érdeklődik a téma iránt, de a meghirdetett időpont nem alkalmas az Ön számára, arra is van lehetőség, hogy az érdeklődő intézmények részére személyre szabott ügyfélorientált workshopot/ képzést szervezzünk a BME-n vagy a jelentkező intézmények telephelyén. Kérjük, hogy az ilyen irányú igényeket jelezzék a aiedih@vik.bme.hu e-mail címünkre.
A képzés helyszíne: BME I épület B szárny 413-as terem
Az előadó neve: Eredics Péter, Vetró Mihály
A szolgáltatás időtartama: 6 óra (4 x 45 perc /nap)
Minimum létszám: 10 fő
A képzés formája: személyes
A képzés díja: 0 Ft*
A képzés piaci értéke: 270 €
*A képzés kis és közép vállalkozások számára térítésmentes, nem jár pénzügyi tranzakcióval, amennyiben a vállalkozás rendelkezik a képzés igénybevételéhez szükséges mértékű még fel nem használt De Minimis kerettel, melyről a regisztráció során nyilatkozik.
A képzőhely felnőttképzési tevékenységének engedélyszáma: E/2022/000106
A képzés során megszerezhető kompetenciák:A képzés sikeres elvégzésével a résztvevő, ismerni fogja a, klasszikus és modern mesterséges intelligencia megoldások beágyazott környezetben való alkalmazásának sajátosságait, különös tekintettel az alkalmazható modellosztályok kérdéseire. Képes lesz, a tervezett beágyazott mesterséges intelligencia alapú megoldásokhoz szükséges modellek kiválasztására, és célhardver osztály megválasztására.
