進階邊緣人工智慧技術培訓

本次在[loc]（線上或線下）由講師帶領的現場培訓，針對希望探索5G網絡如何加速邊緣AI應用的中級電信專業人員、AI工程師及物聯網專家設計。

培訓結束後，學員將能夠：

• 理解5G技術的基本原理及其對邊緣AI的影響。
• 部署針對低延遲應用優化的AI模型，使其適用於5G環境。
• 利用邊緣AI和5G連接實現實時決策系統。
• 優化邊緣設備上AI工作負載的運行效率。

「6G與智慧邊緣」是一門前瞻性課程，探討將6G無線技術、邊緣運算、物聯網生態系及人工智慧驅動資料處理整合，以支援具智能性、低延遲與自適應的基礎架構。

本課程由講師進行直播培訓（線上或線下），旨在協助中階IT架構師理解並設計次世代分散式架構，充分運用6G連線力與智慧邊緣系統的協同效應。

完成課程後，學員將能夠：

• 理解6G如何改變邊緣運算與物聯網架構。
• 設計具備超低延遲、高頻寬及自主運作能力的分散式系統。
• 在邊緣導入人工智慧與資料分析，以實現智能決策。
• 規劃具擴展性、安全性及韌性的6G準備就绪邊緣基礎設施。
• 評估由6G與邊緣融合所促成的商業與營運模式。

課程形式

• 互動式講授與討論。
• 案例研究與應用架構設計練習。
• 搭配選用邊緣或容器工具的實作模擬。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯絡我們安排。

此為講師指導之即時培訓，在澳門（線上或線下）舉辦，旨在協助中階開發者、數據科學家及科技愛好者掌握在各種應用場景中，將AI模型部署於邊緣裝置的實用技能。

完成本培訓後，學員將能夠：

• 理解邊緣AI的原理及其優勢。
• 設定並配置邊緣運算環境。
• 開發、訓練並優化適用於邊緣部署的AI模型。
• 於邊緣裝置上實作實用AI解決方案。
• 評估並改善已部署於邊緣之模型的效能。
• 處理邊緣AI應用中的倫理與安全考量。

這門在澳門（線上或線下）舉辦的由講師指導之即時培訓，旨在協助中高階資安專業人員、AI工程師與物聯網開發者，實施強健的安全措施及韌性策略以保護邊緣AI系統。

完成本培訓後，參與者將能夠：

• 了解邊緣AI部署中的安全風險與漏洞。
• 實施資料加密與驗證技術，保護資料安全。
• 設計能抵禦網路威脅的韌性邊緣AI架構。
• 在邊緣環境中應用安全的AI模型部署策略。

Cambricon MLU（機器學習單元）是專為邊緣數據中心場景中的推理和訓練而優化的AI芯片。

此有講師指導的實地培訓（線上或線下）旨在面向中級開發人員，幫助他們在Cambricon MLU硬件上使用BANGPy框架和Neuware SDK構建和部署AI模型。

通過參加本次培訓，參與者將能夠：

• 設置並配置BANGPy與Neuware開發環境。
• 為Cambricon MLU開發及優化基於Python和C++的模型。
• 在運行Neuware runtime的邊緣設備與數據中心設備上部署模型。
• 將ML工作流與MLU特定加速功能整合。

課程格式

• 互動講座與討論。
• 實地使用BANGPy和Neuware進行開發及部署。
• 專注於優化、整合和測試的指導練習。

課程自定義選項

• 如需為本課程申請基於您的Cambricon設備型號或使用案例的自定義培訓，請聯繫我們安排。

華為的Ascend CANN工具包讓Ascend 310等邊緣設備能夠實現強大的AI推理。CANN為在算力和內存受限的環境中編譯、優化及部署模型提供了必要的工具。

此培訓由講師帶領進行，提供線上或線下（Onsite）形式。旨在協助中級水平的AI開發者和整合人員使用CANN工具鏈部署並優化Ascend邊緣設備上的模型。

完成本課程後，學員將能夠：

• 準備並使用CANN工具將AI模型轉換為Ascend 310可用格式。
• 使用MindSpore Lite和AscendCL構建輕量級的推理管道。
• 針對受限的算力和內存環境優化模型性能。
• 在真實世界邊緣應用場景中部署並監控AI應用程式。

課程形式

• 互動式授課與示範。
• 結合邊緣特定模型和情境的實作練習。
• 在虛擬或實體邊緣硬體上的即時部署範例。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們安排。

這是一門在 澳門（線上或線下）進行的實訓課程，面向初級到中級水平的農技專業人員、物聯網專家以及希望開發和部署智慧農業邊緣 AI 解決方案的人工智慧工程師。

完成本培訓後，參與者將能夠：

• 理解 Edge AI 在精準農業中的作用。
• 實施基於 AI 的作物和牲畜監測系統。
• 開發自動灌溉和環境傳感器解決方案。
• 利用實時 Edge AI 分析優化農業效率。

此由講師帶隊的現場培訓（線上或線下）旨在服務中階機器人工程師、自動駕駛汽車開發者以及希望利用邊緣人工智慧創新自主系統解決方案的人工智慧研究者。

完成本培訓後，學員將能夠：

• 理解邊緣人工智慧在自主系統中的角色與益處。
• 開發並部署適用於邊緣裝置即時處理的人工智慧模型。
• 在自動駕駛汽車、無人機和機器人中實施邊緣人工智慧解決方案。
• 使用邊緣人工智慧設計並最佳化控制系統。
• 處理自主人工智慧應用中的道德與監管考量。

這項在澳門（線上或線下）進行的由講師引導的現場培訓旨在為中級開發人員和IT專業人士提供關於邊緣AI從概念到實踐實施的全面理解，包括設置和部署。

完成本課程後，學員將能夠：

• 理解邊緣AI的基本概念。
• 設置並配置邊緣AI環境。
• 開發、訓練和優化邊緣AI模型。
• 部署和管理邊緣AI應用程序。
• 將邊緣AI與現有系統和工作流程整合。
• 處理邊緣AI實施中的倫理考量和最佳實踐。

此課程由講員主導的實作培訓（線上或線下進行），主要針對中高級電腦視覺工程師、人工智慧開發者及物聯網專業人員，旨在協助他們在邊緣裝置上實現與最佳化即時影像處理的人工智慧模型。

參與學員在結束本課程後，將能夠：

• 了解邊緣人工智慧的基礎知識及其在電腦視覺中的應用。
• 部署最佳化的深度學習模型於邊緣裝置，以進行實時影像與視訊分析。
• 使用如 TensorFlow Lite、OpenVINO 及 NVIDIA Jetson SDK 等框架進行模型部署。
• 優化人工智慧模型的性能、功耗效率及低延遲推論能力。

此澳門（線上或線下）由導師帶領的培訓，旨在面向希望將邊緣人工智慧解決方案實施於金融服務的初級至中級財務專業人士、金融科技開發者及人工智慧專家。

課程結束後，學員將能夠：

• 理解邊緣人工智慧在金融服務中的角色。
• 使用邊緣人工智慧實施詐欺偵測系統。
• 透過AI驅動的解決方案提升客戶服務。
• 應用邊緣人工智慧進行風險管理和決策制定。
• 部署及管理金融環境中的邊緣人工智慧解決方案。

此由講師引導的即時培訓在澳門（線上或線下）進行，適合初級至中級醫療專業人員、生醫工程師及希望利用邊緣AI進行創新醫療方案解決方案的AI開發人員。

完成本培訓後，參加者將能夠：

• 理解邊緣AI在醫療保健中的角色與益處。
• 為醫療應用在邊緣裝置上開發並部署AI模型。
• 在穿戴式裝置和診斷工具中實施邊緣AI解決方案。
• 設計並部署使用邊緣AI的病人監測系統。
• 處理醫療保健AI應用中的倫理與法規考量。

此由導師主導的培訓在澳門（線上或線下）提供，針對希望將Edge AI解決方案實施於工業自動化的中級工業工程師、製造業專業人員及AI開發人員。

完成本培訓後，參與者將能夠：

• 了解邊緣AI在工業自動化中的角色。
• 使用Edge AI實施預測性維護解決方案。
• 應用AI技術於製造流程的品質控制。
• 使用Edge AI優化工業流程。
• 在工業環境中部署和管理Edge AI解決方案。

這項在 澳門（線上或線下）進行的由講師指導的實時培訓，旨在幫助中級開發人員、系統架構師和行業從業人員利用邊緣 AI 提升 IoT 應用的智能數據處理和分析能力。

完成本培訓後，學員將能夠：

• 理解邊緣 AI 的基本原理及其在 IoT 中的應用。
• 為 IoT 設備設置和配置邊緣 AI 環境。
• 在邊緣設備上開發和部署用於 IoT 應用的 AI 模型。
• 在 IoT 系統中實施即時數據處理和決策。
• 將邊緣 AI 與各種 IoT 協議和平台整合。
• 應對邊緣 AI 用於 IoT 的道德考慮和最佳實踐。

Edge AI involves deploying artificial intelligence models directly on edge devices and machines, enabling real-time decision-making with minimal latency.

This instructor-led, live training (online or onsite) targets advanced-level embedded and IoT professionals who wish to deploy AI-powered logic and control systems in manufacturing environments where speed, reliability, and offline operation are critical.

By the end of this training, participants will be able to:

• Understand the architecture and benefits of edge AI systems.
• Build and optimize AI models for deployment on embedded devices.
• Use tools like TensorFlow Lite and OpenVINO for low-latency inference.
• Integrate edge intelligence with sensors, actuators, and industrial protocols.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.