AI on the Edge kann große Vorteile bringen: Ergebnisse können in Echtzeit berechnet werden, eine sehr gute Skalierung ist gegeben (es braucht keine zusätzlichen Ressourcen auf einem Server, wenn die Geräte mehr werden), es müssen weniger Daten in die Cloud geschickt werden und alles ist offlinefähig.

Wichtig ist speziell bei AI on the Edge allerdings die Vorarbeit, die durchgeführt werden muss, um überhaupt performante Modelle erstellen zu können. Themen wie begrenzte Ressourcen und Verarbeitungsmöglichkeiten erschweren die Erstellung solcher Modelle.

Aus diesem Grund müssen vor allem die folgenden Arbeiten durchgeführt werden, bevor man an ein Projekt startet:

  • Business Understanding: Welche Daten werden in welcher Form verarbeitet? Wie werden die Daten erfasst? Welche relevanten Metadaten werden benötigt? Wie hoch ist die Qualität und Auflösung der Daten?
  • Data-Mining: Wie führe ich die operative Datenerfassung durch? Woher bekomme ich weitere Informationen, die nicht „on the Edge“ zur Verfügung stehen? Wie kommt man an die Daten, die man sehen will?
  • Data-Cleaning: Wie wird der Datensatz bereinigt? Hier ist besonders ein tiefes Verständnis der Daten und des Prozesses notwendig.

 

Erst in den nächsten Schritten geht es um die Erstellung der Modelle selbst. Hier kann allerdings sehr viel auf vorhandenes Tooling zugegriffen werden.

In der Websession zeigen wir Ihnen, worauf es bei AI on the Edge wirklich ankommt, welche Fehler oft zu Beginn begangen werden und wie man diese vermeiden kann. Denn in die anfänglichen Schritte fließt deutlich mehr Zeit und Knowhow als in die eigentliche Erstellung der Modelle.

 

HIER FINDEN SIE WEITERE INFOS UND EINE ANMELDEMÖGLICHKEIT