聯繫我們

課程簡介

Edge AI(邊緣人工智慧)與 Kubernetes 簡介

  • 了解 AI 在邊緣運算中的角色
  • 將 Kubernetes 作為分散式環境的調度器
  • 跨產業的典型應用案例

邊緣環境適用的 Kubernetes 分發版本

  • 比較 K3s、MicroK8s 和 KubeEdge
  • 安裝與組態流程
  • 節點需求與部署模式

邊緣 AI 部署架構

  • 集中式、分散式及混合式邊緣模型
  • 資源受限節點上的資源分配
  • 多節點與遠端叢集拓撲結構

在邊緣部署機器學習模型

  • 使用容器包裝推論工作負載
  • 在可用時利用 GPU 與加速器硬體
  • 管理分散式設備上的模型更新

通訊與連線策略

  • 處理間歇性且不穩定的網路狀況
  • 邊緣至雲端資料的同步技術
  • 訊息佇列與通訊協定的考量

邊緣的可觀測性與監控

  • 輕量級的監控方法
  • 從遠端節點收集遙測數據
  • 除錯分散式推論工作流程

Edge AI 部署的安全性

  • 保護資源受限設備上的資料與模型
  • 安全開機與可信執行環境策略
  • 跨節點的驗證與授權

邊緣工作負載的效能最佳化

  • 透過部署策略降低延遲
  • 儲存與快取的考量
  • 調整運算資源以優化推論效率

總結與後續步驟

最低要求

  • 具備容器化應用程式的基本理解
  • 具備 Kubernetes 管理經驗
  • 熟悉邊緣運算概念

目標受眾

  • 部署分散式設備的物聯網工程師
  • 建構智慧應用系統的雲端原生開發人員
  • 設計連接環境的邊緣架構師
 21 小時

客戶評論 (3)

課程分類