聯繫我們
 課程時長 21 時間:

課程簡介

Edge AI 與 Kubernetes 簡介

  • 理解 AI 在邊緣端的角色
  • Kubernetes 作為分散式環境的編排器
  • 跨行業的典型應用場景

適用於邊緣環境的 Kubernetes 分發版

  • K3s、MicroK8s 與 KubeEdge 的比較
  • 安裝與配置工作流程
  • 節點需求與部署模式

Edge AI 部署架構

  • 集中式、去中心式及混合邊緣模型
  • 在資源受限節點間的資源分配
  • 多節點及遠端集群拓撲結構

在邊緣端部署機器學習模型

  • 使用容器打包推理工作負載
  • 在可用時利用 GPU 及加速器硬體
  • 管理分散式設備上的模型更新

通訊與連接性策略

  • 應對間歇性及不穩定網絡環境
  • 邊緣至雲端的數據同步技術
  • 消息隊列與協議考量

邊緣端的可觀察性與監控

  • 輕量級監控方法
  • 從遠端節點收集遙測數據
  • 調試分散式推理工作流程

Edge AI 部署的安全措施

  • 保護受限設備上的數據與模型
  • 安全啟動與可信執行策略
  • 跨節點的認證與授權

邊緣工作負載的效能最佳化

  • 透過部署策略降低延遲
  • 存儲與緩存考量
  • 調整計算資源以提升推理效率

總結與後續步驟

最低要求

  • 了解容器化應用程式
  • 具備 Kubernetes 管理經驗
  • 熟悉邊緣計算概念

目標受眾

  • 部署分散式設備的 IoT 工程師
  • 構建智慧應用程式的雲端原生開發人員
  • 設計互聯環境的邊緣架構師

客戶評論 (2)

課程分類