Курс на Stepik
Обложка курса «Edge AI: запуск нейросетей на устройствах» на Stepik
990 ₽

Edge AI: запуск нейросетей на устройствах ★ 0.000

Открыть на
STEPIK.ORG

Практический инженерный курс про запуск и оптимизацию нейросетей на устройствах: от выбора edge-архитектуры до профилирования latency/RAM/энергии и безопасных обновлений.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Edge AI: запуск нейросетей на устройствах»Учеников на курсе 15
Сертификаты, выданные на курсе «Edge AI: запуск нейросетей на устройствах»Сертификатов выдано 0
Отзывы о курсе «Edge AI: запуск нейросетей на устройствах»Отзывов получено 0
Рейтинг курса «Edge AI: запуск нейросетей на устройствах»Рейтинг курса 0.000
Уроки в курсе «Edge AI: запуск нейросетей на устройствах»Количество уроков 36
Тесты в курсе «Edge AI: запуск нейросетей на устройствах»Количество квизов 36
Время прохождения курса «Edge AI: запуск нейросетей на устройствах»Время прохождения курса —
Стоимость курса «Edge AI: запуск нейросетей на устройствах»Стоимость курса 990 ₽ —
Обновления курса «Edge AI: запуск нейросетей на устройствах»Обновления курса — —
Дата публикации курса «Edge AI: запуск нейросетей на устройствах»Дата публикации курса — ———
Последнее обновление курса «Edge AI: запуск нейросетей на устройствах»Последнее обновление — ———

Содержание курса

Разделы в курсе «Edge AI: запуск нейросетей на устройствах» 9 разделов Уроки в курсе «Edge AI: запуск нейросетей на устройствах» 36 уроков Тесты в курсе «Edge AI: запуск нейросетей на устройствах» 36 тестов Время прохождения курса «Edge AI: запуск нейросетей на устройствах» 0 ч. Последнее обновление курса «Edge AI: запуск нейросетей на устройствах» обн. 12 сентября 2026

Edge AI: новая инженерная реальность

4 урока
1. Вводный урок: что такое Edge AI ↗
2. Cloud vs edge: как принять решение ↗
3. Сценарии, где edge неизбежен ↗
4. Базовый словарь и пайплайн inference ↗

Ограничения устройств: CPU, RAM, батарея

4 урока
1. CPU, GPU, NPU: кто делает работу ↗
2. RAM и storage: где заканчивается память ↗
3. Энергия и тепло: скрытый лимит ↗
4. Бюджет: SLO, лимиты, компромиссы ↗

Форматы моделей и конвертация

4 урока
1. Формат модели: что хранится внутри ↗
2. ONNX как “перевалочный пункт” ↗
3. TFLite, Core ML, TorchScript ↗
4. Inference engine: что делает runtime ↗

Оптимизация моделей: скорость и размер

4 урока
1. Quantization: FP32 → INT8 ↗
2. Pruning и sparsity ↗
3. Distillation как компромисс ↗
4. Trade-offs: точность vs скорость ↗

Inference на edge: профилирование и узкие места

4 урока
1. Пайплайн inference: от сенсора до ответа ↗
2. Warm-up, batching и очереди ↗
3. Latency profiling: измерить правильно ↗
4. Memory profiling: аллокации и буферы ↗

Энергопотребление и эффективность

4 урока
1. Откуда берётся расход энергии ↗
2. DVFS и управление частотами ↗
3. Hardware acceleration и offloading ↗
4. Когда выключать модель ↗

Безопасность и приватность на edge

4 урока
1. Threat model для edge ↗
2. Защита модели от извлечения ↗
3. Обновления модели и rollback ↗
4. Secure boot и цепочка доверия ↗

Архитектура Edge AI-систем

4 урока
1. Edge-only vs hybrid: базовые схемы ↗
2. Офлайн-режим и синхронизация ↗
3. Оркестрация и fleet management ↗
4. Логирование и обновления в проде ↗

Практические кейсы и итоговый выбор решений

4 урока
1. Кейс: камера и детекция объектов ↗
2. Кейс: IoT и anomaly detection ↗
3. Кейс: on-device ML в мобайле ↗
4. Итоговый выбор архитектуры ↗