Διαδικτυακό Πρόγραμμα Εξειδικευμένων Σπουδών στο Ενσωματωμένο AI
University of California, Irvine - Division of Continuing Education
Πληροφορία κλειδί
Τοποθεσία πανεπιστημιούπολης
USA Online, Ηνωμένες Πολιτείες
Γλώσσες
Αγγλικά
Μορφή μελέτης
Εξ αποστάσεως εκπαίδευση
Διάρκεια
9 μήνες
Βήμα
Μερικής απασχόλησης
Δίδακτρα
USD 2.270 *
Προθεσμία εφαρμογής
Ζητήστε πληροφορίες
Πρωιμότερη ημερομηνία έναρξης
Apr 2024
* μέσο κόστος
Εισαγωγή
ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ
Η ενσωματωμένη τεχνητή νοημοσύνη (AI) θα επιτρέψει νέες, φθηνές και χαμηλής κατανάλωσης λύσεις τεχνητής νοημοσύνης που δεν είναι δυνατές μόνο χρησιμοποιώντας τεχνολογίες τεχνητής νοημοσύνης που βασίζονται σε σύννεφο. Η αγορά τσιπ τεχνητής νοημοσύνης αιχμής αναπτύσσεται πολύ πιο γρήγορα από τη συνολική αγορά τσιπ, με τον αριθμό των τσιπ τεχνητής νοημοσύνης άκρων που θα πωληθούν το 2024 να υπολογίζεται σε 1,5 δισεκατομμύρια. Η ενσωματωμένη τεχνητή νοημοσύνη απαιτεί γνώσεις και δεξιότητες πέρα από τα παραδοσιακά ενσωματωμένα συστήματα, την επιστήμη δεδομένων και τη μηχανική μάθηση (ML). Απαιτεί γνώση συσκευών, αισθητήρων και προηγμένων μεθόδων επεξεργασίας σήματος σχεδόν σε πραγματικό χρόνο για βίντεο, ήχο, κίνηση ή άλλα σήματα. Απαιτούνται εξειδικευμένα εργαλεία λογισμικού και πλαίσια για την ανάπτυξη ενσωματωμένων εφαρμογών AI.
Αυτό το πρόγραμμα παρέχει τις γνώσεις και τις δεξιότητες που απαιτούνται για να επωφεληθούν από αυτήν την επόμενη σημαντική αλλαγή στις τεχνολογίες και τη σχετική αύξηση της ζήτησης εργασίας. Το πρόγραμμα διερευνά τα εξειδικευμένα εργαλεία, τα πλαίσια, τις τεχνολογίες, τις πλατφόρμες και τις μεθόδους που χρησιμοποιούνται για τη δημιουργία συναρπαστικών νέων ενσωματωμένων συσκευών AI. Μελετήστε το TinyML – το πεδίο εφαρμογής τεχνολογιών ML για την ενσωμάτωση της τεχνητής νοημοσύνης σε συσκευές με περιορισμένους πόρους. Ανακαλύψτε πώς λειτουργούν πολύπλοκες ενσωματωμένες εφαρμογές τεχνητής νοημοσύνης σε smartphone, drones και άλλες συσκευές που έχουν περιορισμένη επεξεργασία, μνήμη, ισχύ και άλλους πόρους. Διερευνήστε τις μεθόδους επεξεργασίας σήματος και τα μοντέλα ML πίσω από σημαντικές εφαρμογές που επεξεργάζονται βίντεο, ήχο, κίνηση και άλλα σήματα. Εξερευνήστε πώς χρησιμοποιούνται τα πλαίσια ML για τη δημιουργία αυτών των εφαρμογών και χρησιμοποιήστε τα με ενσωματωμένο υλικό τεχνητής νοημοσύνης σε πρακτικά έργα. Μάθετε πώς να επιλέγετε το σωστό υλικό, εργαλεία ανάπτυξης και στοιχεία λογισμικού για μια εφαρμογή. Εξετάστε τις ανταλλαγές που απαιτούνται για τη λήψη αποφάσεων σχετικά με τον συνδυασμό επεξεργασίας AI που πρέπει να γίνει στη συσκευή και στο cloud. Εφαρμόστε όσα έχετε μάθει και χρησιμοποιήστε συσκευές αιχμής, αισθητήρες, επεξεργασία σήματος, μεθόδους TinyML και ενσωματωμένα πλαίσια ML για να δημιουργήσετε μια ενσωματωμένη συσκευή AI.
Οφέλη προγράμματος
- Χρησιμοποιήστε πρακτικά παραδείγματα και δραστηριότητες για να εξερευνήσετε ενσωματωμένες εφαρμογές, τεχνολογίες τεχνητής νοημοσύνης και εξαιρετικά εξειδικευμένα ενσωματωμένα πλαίσια λογισμικού ML.
- Εξερευνήστε τις λεπτομέρειες των ενσωματωμένων μοντέλων ML (συμπεριλαμβανομένων των νευρωνικών δικτύων βαθιάς μάθησης) πίσω από ορισμένες σημαντικές εφαρμογές, όπως η αναγνώριση αντικειμένων, η επεξεργασία κειμένου αφύπνισης και η ανίχνευση χειρονομιών.
- Ελέγξτε τα βήματα που απαιτούνται για την ανάπτυξη και την ανάπτυξη ενσωματωμένων μοντέλων ML.
- Κατανοήστε τις μοναδικές προκλήσεις που θέτει η ανάπτυξη μοντέλων ML σε συσκευές με περιορισμένους πόρους σε εφαρμογές TinyML.
- Χρησιμοποιήστε αισθητήρες αιχμής, συσκευές, επεξεργασία σήματος, μεθόδους TinyML και ενσωματωμένα πλαίσια ML για να δημιουργήσετε μια ενσωματωμένη συσκευή AI.
- Συλλέξτε δεδομένα αισθητήρων πραγματικού κόσμου, εκπαιδεύστε και επικυρώστε μοντέλα ML, βελτιστοποιήστε το μοντέλο για ανάπτυξη σε μια συσκευή με περιορισμένους πόρους και αναπτύξτε το μοντέλο στο υλικό σας.
- Εξερευνήστε χαρακτηριστικά συσκευών που μπορούν να χρησιμοποιηθούν για την εκτέλεση ενσωματωμένης τεχνητής νοημοσύνης, συμπεριλαμβανομένων νέων μικροελεγκτών χαμηλής ισχύος που ενσωματώνουν επιταχυντές νευρωνικών δικτύων που θα επιτρέψουν σε νέες εφαρμογές που τροφοδοτούνται από μπαταρία να εκτελούν πολύπλοκα μοντέλα ML.
- Εξερευνήστε τις τρέχουσες τάσεις και τι μπορεί να είναι στον ορίζοντα για την ενσωματωμένη τεχνητή νοημοσύνη.
Κερδίστε ένα εναλλακτικό ψηφιακό διαπιστευτήριο
Η επιτυχής ολοκλήρωση μιας κατάλληλης εργασίας στο πλαίσιο του μαθήματος Introduction to Embedded AI σάς προσφέρει την ευκαιρία να κερδίσετε ένα εναλλακτικό ψηφιακό πιστοποιητικό (ADC). Αναφέρεται επίσης ως ψηφιακό σήμα, το ADC είναι ένα εικονικό αρχείο συγκεκριμένων δεξιοτήτων και ικανοτήτων που έχετε αποκτήσει και παρέχει έναν επαληθεύσιμο τρόπο για να μοιραστείτε τα εκπαιδευτικά σας επιτεύγματα με εργοδότες, συναδέλφους και άλλους μέσω κοινωνικών πλατφορμών όπως το LinkedIn, το Facebook και Κελάδημα.
Απαιτήσεις Βραβείου Εξειδικευμένων Σπουδών
Πιστοποιητικό εξειδικευμένων σπουδών απονέμεται με την ολοκλήρωση 3 μαθημάτων (9 πιστωτικές μονάδες) με βαθμό «C» ή καλύτερο σε κάθε μάθημα. Για να λάβετε το ψηφιακό σας πιστοποιητικό, υποβάλετε ένα Αίτημα για Πιστοποιητικό με μη επιστρέψιμο τέλος αίτησης 35 $ αφού ολοκληρώσετε όλες τις απαιτήσεις του προγράμματος. Όλες οι απαιτήσεις πρέπει να ολοκληρωθούν εντός πέντε (5) ετών από την εγγραφή του φοιτητή στο πρώτο του μάθημα. Οι φοιτητές που δεν επιδιώκουν ένα βραβείο εξειδικευμένων σπουδών είναι ευπρόσδεκτοι να παρακολουθήσουν όσα επιμέρους μαθήματα επιθυμούν.
Ιδανικοί μαθητές
Ποιος πρέπει να εγγραφεί
Αυτό το πρόγραμμα είναι ιδανικό για όσους επιθυμούν να μάθουν για τον τομέα της ενσωματωμένης τεχνητής νοημοσύνης, να αποκτήσουν τις εξειδικευμένες δεξιότητες που απαιτούνται για τη δημιουργία ενσωματωμένων λύσεων AI, να εξερευνήσουν νέες χρήσεις, να λύσουν προβλήματα χρησιμοποιώντας συσκευές περιορισμένης ακμής, να αποκτήσουν ανταγωνιστικό επιχειρηματικό πλεονέκτημα και να επεκτείνουν τις επιλογές σταδιοδρομίας. Το πρόγραμμα σπουδών έχει σχεδιαστεί για επαγγελματίες ενσωματωμένων συστημάτων, μηχανικούς λογισμικού, ηλεκτρολόγους μηχανικούς, μηχανικούς υπολογιστών, επιστήμονες υπολογιστών, επιστήμονες δεδομένων, μηχανικούς δεδομένων και επιστήμονες μηχανικής μάθησης.
Εισαγωγές
Διδακτέα ύλη
Υποχρεωτικά Μαθήματα
- Εισαγωγή στο Embedded AI
- Ενσωματωμένες εφαρμογές και τεχνολογίες AI
- Ενσωματωμένη ανάπτυξη AI
Τα προγράμματα μαθημάτων υπόκεινται σε αλλαγές. Επιτρέπεται η παρακολούθηση μεμονωμένων μαθημάτων χωρίς εγγραφή στο πλήρες πρόγραμμα.
Ευκαιρίες καριέρας
Σταδιοδρομία
Περίληψη εργασίας για μηχανικούς υλικού υπολογιστών.
Πηγή: Economic Modeling Specialists Intl.
- 66.270 Ετήσιες θέσεις εργασίας (2020)
- Προβλεπόμενη ανάπτυξη 5,3% (2020-2029)
- Μέσος μισθός 119.000 $ (οι έμπειροι εργαζόμενοι μπορούν να κερδίσουν έως και 180.000 $)
English Language Requirements
Πιστοποιήστε την επάρκειά σας στα αγγλικά με το Duolingo English Test! Το DET είναι ένα βολικό, γρήγορο και προσιτό διαδικτυακό τεστ αγγλικών που γίνεται αποδεκτό από περισσότερα από 4.000 πανεπιστήμια (όπως αυτό) σε όλο τον κόσμο.