課程簡介

邊緣AI簡介

  • 定義和關鍵概念
  • 邊緣AI與雲AI的區別
  • 邊緣AI的優勢與挑戰
  • 邊緣AI應用概述

邊緣AI架構

  • 邊緣AI系統的組件
  • 硬件和軟件要求
  • 邊緣AI應用中的數據流
  • 與現有系統的集成

設置邊緣AI環境

  • 邊緣AI平臺介紹(如Raspberry Pi、NVIDIA Jetson等)
  • 安裝必要的軟件和庫
  • 配置開發環境
  • 初始化邊緣AI設置

開發邊緣AI模型

  • 邊緣設備的機器學習和深度學習模型概述
  • 爲邊緣部署訓練模型
  • 優化邊緣設備模型的技術
  • 邊緣AI開發的工具和框架(如TensorFlow Lite、OpenVINO等)

邊緣AI的數據管理與預處理

  • 邊緣環境中的數據收集技術
  • 邊緣設備的數據預處理和增強
  • 管理邊緣設備上的數據管道
  • 確保邊緣環境中的數據隱私和安全

部署邊緣AI應用

  • 在各種邊緣設備上部署模型的步驟
  • 監控和管理已部署模型的技術
  • 邊緣設備上的即時數據處理和推理
  • 部署的案例研究和實際示例

將邊緣AI與物聯網系統集成

  • 將邊緣AI解決方案與物聯網設備和傳感器連接
  • 通信協議和數據交換方法
  • 構建端到端的邊緣AI和物聯網解決方案
  • 實際示例和用例

用例與應用

  • 邊緣AI的行業特定應用
  • 醫療、汽車和智能家居的深入案例研究
  • 成功案例和經驗教訓
  • 邊緣AI的未來趨勢和機遇

倫理考量與最佳實踐

  • 確保邊緣AI部署中的隱私和安全
  • 解決邊緣AI模型中的偏見和公平性問題
  • 遵守法規和標準
  • 負責任的AI部署最佳實踐

實踐項目與練習

  • 開發複雜的邊緣AI應用
  • 實際項目和場景
  • 協作小組練習
  • 項目展示與反饋

總結與下一步

最低要求

  • 具備基本的AI和機器學習概念知識
  • 有編程語言經驗(推薦Python)
  • 熟悉邊緣計算和物聯網概念

受衆

  • 開發人員
  • IT專業人員
 14 時間:

課程分類