聯繫我們

課程簡介

邊緣人工智能與 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
  • 各行各業的典型應用場景

適用於邊緣環境的 Kubernetes 分發版本

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

邊緣 AI 部署架構

  • 集中式、分散式與混合式邊緣模型
  • 受限節點間的資源分配
  • 多節點與遠程集群拓撲結構

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 與加速器硬件
  • 管理分散式設備上的模型更新

通信與連接性策略

  • 應對間歇性及不穩定的網絡環境
  • 邊緣至雲端數據的同步技術
  • 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
  • 收集遠程節點的遙測數據
  • 調試分散式推理工作流程

邊緣 AI 部署的安全性

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

邊緣工作負載的性能優化

  • 通過部署策略降低延遲
  • 存儲與緩存考量
  • 針對推理效率調優計算資源

總結與後續步驟

最低要求

  • 理解容器化應用概念
  • 具備 Kubernetes 管理經驗
  • 熟悉邊緣計算概念

受眾對象

  • 部署分散式設備的 IoT 工程師
  • 構建智能應用的雲原生開發人員
  • 設計連接環境的邊緣架構師
 21 小時

客戶評論 (4)

課程分類