聯繫我們

課程簡介

邊緣與代理型 AI 簡介

  • 代理型 AI 與邊緣計算概述
  • 延遲、隱私及頻寬考量
  • 架構比較:雲端 vs. 邊緣智能體

設計輕量級智能體架構

  • 為受限系統分解智能體循環
  • 設計非同步架構以實現高效能運算
  • 平衡自主性與連接性

設定開發環境

  • 安裝邊緣 AI 的 Python 框架
  • 配置 TensorFlow Lite 及 PyTorch Mobile
  • 在 Raspberry Pi 或類似裝置上部署測試環境

實施裝置端推斷

  • 轉換並量化模型以進行邊緣部署
  • 使用 TensorFlow Lite 及 ONNX Runtime 執行推斷
  • 將推斷結果整合至智能體決策循環中

將智能體與硬體及 IoT 整合

  • 連接感測器、執行器及 IoT 模組
  • 本地數據採集與處理管線
  • 離線運作與事件觸發行為

優化與監控

  • 針對低功耗與高速進行效能調校
  • 邊緣快取與模型壓縮技術
  • 邊緣智能體的監控與除錯

實作專案:在邊緣硬體上部署輕量級智能體

  • 為 IoT 或機器人任務設計小型自主智能體
  • 實施模型推斷與本地邏輯
  • 針對延遲與可靠性進行測試與優化

總結與後續步驟

最低要求

  • 具備 Python 程式設計經驗
  • 對機器學習工作流有基本了解
  • 熟悉嵌入式或邊緣計算概念

目標對象

  • 將 AI 整合至硬體系統的嵌入式開發人員
  • 設計裝置端推斷方案的邊緣 ML 工程師
  • 部署代理型 AI 以实现自主運作的機器人團隊
 21 小時

課程分類