Détails
- 3 Sections
- 9 Lessons
- 3 Days
Expand all sectionsCollapse all sections
- Dag 1: Introductie tot Edge Analytics en IoT-gegevensverwerking (7 uur)3
- 1.1Wat is Edge Analytics en waarom is het belangrijk? (2 uur) Verschil tussen cloud analytics en edge analytics. Use cases: smart cities, predictive maintenance, connected healthcare. Praktijk: Identificeren van toepassingen van edge analytics in verschillende sectoren.
- 1.2Architectuur van Edge Computing en IoT (3 uur) Componenten van een edge-infrastructuur: sensoren, gateways, edge nodes. Communicatieprotocollen: MQTT, OPC-UA, CoAP, LoRaWAN. Praktijk: Opzetten van een eenvoudige IoT-data pipeline met MQTT en edge processing.
- 1.3Data-acquisitie en voorbewerking op Edge Devices (2 uur) Verzamelen en opschonen van ruwe sensor- en apparaatdata. Datareductie en filteringstechnieken voor bandbreedte-optimalisatie. Praktijk: Configureren van een edge-apparaat om IoT-gegevens te verzamelen en verwerken.
- Dag 2: Edge Analytics, Machine Learning en AI in IoT (7 uur)3
- 2.1Geavanceerde Data-analyse op Edge Devices (3 uur) Streaming data verwerken met Apache NiFi, Azure IoT Edge, AWS Greengrass. Real-time anomaly detection met edge AI-modellen. Praktijk: Implementeren van een eenvoudige streaming analyse met Apache NiFi.
- 2.2Machine Learning en AI op Edge Devices (2 uur) TinyML en geoptimaliseerde AI-modellen voor edge computing. Trainen en deployen van ML-modellen met TensorFlow Lite en Edge Impulse. Praktijk: Een edge-gebaseerd AI-model laden en testen op een IoT-device.
- 2.3Data-integratie tussen Edge en Cloud-platformen (2 uur) Hybride architecturen: IoT-data synchroniseren tussen edge en cloud. Werken met AWS IoT Core, Azure IoT Hub en Google Cloud IoT. Praktijk: Opzetten van een real-time data pipeline tussen een edge device en de cloud.
- Dag 3: Beveiliging, Optimalisatie en Toepassingen van Edge Analytics (7 uur)3
- 3.1Beveiliging en Privacy in Edge Analytics (3 uur) IoT security best practices: end-to-end encryptie, toegangsbeheer, netwerksegmentatie. GDPR en compliance-uitdagingen bij edge computing. Praktijk: Configureren van toegangscontrole en beveiligingsregels op een IoT-netwerk.
- 3.2Optimalisatie en Performance-tuning van Edge Analytics (2 uur) Optimaliseren van rekenkracht en energieverbruik op edge devices. Latency management en efficiënte event-driven processing. Praktijk: Afstellen van een edge-apparaat voor energie-efficiënte dataverwerking.
- 3.3Case Study en Afsluiting (2 uur) Werken met real-world datasets uit smart cities, industrie of healthcare. Praktijk: Deelnemers ontwerpen en presenteren een edge analytics-oplossing voor een businesscase.
Data-acquisitie en voorbewerking op Edge Devices (2 uur) Verzamelen en opschonen van ruwe sensor- en apparaatdata. Datareductie en filteringstechnieken voor bandbreedte-optimalisatie. Praktijk: Configureren van een edge-apparaat om IoT-gegevens te verzamelen en verwerken.
Préc.
Machine Learning en AI op Edge Devices (2 uur) TinyML en geoptimaliseerde AI-modellen voor edge computing. Trainen en deployen van ML-modellen met TensorFlow Lite en Edge Impulse. Praktijk: Een edge-gebaseerd AI-model laden en testen op een IoT-device.
Suivant
