Kursfazit und Ausblick

Kursfazit und Ausblick

Am Ende dieses Leitfadens haben Sie einen vollständigen Lernpfad durchlaufen – von den Grundlagen der Jetson-Plattform und Entwicklungswerkzeugen bis hin zu Computer Vision, Offline-LLMs, generativer AI, ROS-Robotik und praktischen Anwendungsbeispielen mit Jetson.

Was Sie bereits behandelt haben

  • Grundlagen der Jetson-Plattform, Systemeinrichtung, gängige Entwicklerwerkzeuge und Remote-Debugging-Methoden
  • Kernentwicklungsfähigkeiten einschließlich CUDA, TensorRT, Docker, PyTorch und TensorFlow
  • Computer-Vision-Workflows, Modelltraining und Edge-Bereitstellung
  • Offline-Text-LLMs, Vision-Language-Modelle und Sprachinteraktions-Pipelines
  • ROS1, ROS2 und praktische Robotikentwicklung auf Jetson

Empfohlene nächste Schritte

  1. Wählen Sie eine Hauptrichtung, in der Sie sich vertiefen wollen: Vision, Robotik, Offline-LLMs oder multimodale Anwendungen.
  2. Bauen Sie ein vollständiges Projekt durch die Kombination von Modul 5, Modul 7 und Modul 9.
  3. Verwenden Sie die in diesem Kurs gezeigten Methoden zur Umgebungseinrichtung, Bereitstellung, Remote-Entwicklung und Debugging in Ihren eigenen Jetson-Projekten wieder.

Empfohlener Projektpfad

  • Wenn Sie Edge-AI-Anwendungsentwicklung bevorzugen, beginnen Sie mit einer Computer-Vision- oder Offline-LLM-Demo und erweitern Sie diese zu einem vollständigen System.
  • Wenn Sie Robotik bevorzugen, kombinieren Sie ROS2-, Vision- und Sprachmodule zu Navigations-, Wahrnehmungs- oder Interaktionsprojekten.
  • Wenn Sie bereits über Entwicklungserfahrung verfügen, machen Sie die Muster aus diesem Repository zu Ihrer eigenen Projektvorlage und Ihren eigenen Bereitstellungsskripten.