TinyML在物聯網應用中的實踐培訓

本次講師指導的培訓在澳門（線上或線下）面向希望掌握邊緣AI最新進展、優化AI模型以進行邊緣部署，並探索各行業專門應用的高級AI從業者、研究人員和開發者。

培訓結束後，學員將能夠：

• 探索邊緣AI模型開發和優化的高級技術。
• 實施在邊緣設備上部署AI模型的前沿策略。
• 利用專門工具和框架進行高級邊緣AI應用。
• 優化邊緣AI解決方案的性能和效率。
• 探索邊緣AI的創新用例和新興趨勢。
• 解決邊緣AI部署中的高級倫理和安全問題。

本次由講師指導的線下或線上培訓，面向中級開發者、數據科學家和技術愛好者，旨在幫助他們掌握在各種應用中在邊緣設備上部署AI模型的實用技能。

培訓結束後，參與者將能夠：

• 理解Edge AI的原理及其優勢。
• 設置和配置邊緣計算環境。
• 開發、訓練和優化用於邊緣部署的AI模型。
• 在邊緣設備上實現實用的AI解決方案。
• 評估並改進邊緣部署模型的性能。
• 解決Edge AI應用中的倫理和安全問題。

本次由講師指導的培訓（線上或線下）面向中級IT專業人士和業務經理，旨在幫助他們瞭解物聯網和邊緣計算在提高效率、實現即時處理和推動各行業創新方面的潛力。

培訓結束後，學員將能夠：

• 理解物聯網和邊緣計算的原理及其在數字化轉型中的作用。
• 識別物聯網和邊緣計算在製造、物流和能源領域的應用場景。
• 區分邊緣計算與雲計算的架構及部署場景。
• 實施邊緣計算解決方案，用於預測性維護和即時決策。

本次由講師指導的培訓在澳門（線上或線下）面向中級開發人員和IT專業人員，旨在幫助他們全面瞭解邊緣AI，從概念到實際實現，包括設置和部署。

培訓結束後，參與者將能夠：

• 理解邊緣AI的基本概念。
• 設置和配置邊緣AI環境。
• 開發、訓練和優化邊緣AI模型。
• 部署和管理邊緣AI應用。
• 將邊緣AI與現有系統和工作流集成。
• 解決邊緣AI實施中的倫理問題和最佳實踐。

本課程爲講師主導的澳門（線上或線下）培訓，面向希望利用Edge AI開發創新醫療解決方案的中級醫療專業人員、生物醫學工程師和AI開發者。

通過本培訓，學員將能夠：

• 瞭解Edge AI在醫療領域的作用和優勢。
• 在邊緣設備上開發和部署用於醫療應用的AI模型。
• 在可穿戴設備和診斷工具中實施Edge AI解決方案。
• 設計和部署基於Edge AI的患者監護系統。
• 解決醫療AI應用中的倫理和監管問題。

本次由講師指導的線下或線上培訓，面向中級開發人員、系統架構師和行業專業人士，旨在幫助他們利用Edge AI增強物聯網應用的智能數據處理和分析能力。

培訓結束後，學員將能夠：

• 理解Edge AI的基礎知識及其在物聯網中的應用。
• 爲物聯網設備設置和配置Edge AI環境。
• 在邊緣設備上開發和部署用於物聯網應用的AI模型。
• 在物聯網系統中實現即時數據處理和決策。
• 將Edge AI與各種物聯網協議和平臺集成。
• 解決Edge AI在物聯網中的倫理問題和最佳實踐。

這種由 澳門 的講師指導式現場培訓（在線或現場）面向希望使用 Edge Computing 來分散數據管理以獲得更快性能的產品經理和開發人員，利用位於源網路上的智能設備。

在本次培訓結束時，參與者將能夠：

• 瞭解 Edge Computing 的基本概念和優勢。
• 確定可以應用 Edge Computing 的用例和示例。
• 設計和構建 Edge Computing 解決方案，以加快數據處理速度並降低運營成本。

這種講師指導的現場培訓在 澳門（在線或現場）進行，面向希望應用 Federated Learning 來優化IoT和邊緣計算解決方案的中級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解 Federated Learning 在IoT和邊緣計算中的原理和優勢。
• 在 IoT 設備上實施 Federated Learning 模型以進行去中心化的 AI 處理。
• 減少延遲並改進邊緣計算環境中的實時決策。
• 解決與IoT系統中的數據隱私和網路限制相關的挑戰。

本課程爲講師指導的培訓，在 澳門（線上或線下）進行，面向希望瞭解 Edge AI 基礎知識及其入門應用的初級開發者和 IT 專業人員。

培訓結束後，學員將能夠：

• 理解 Edge AI 的基本概念和架構。
• 設置和配置 Edge AI 環境。
• 開發和部署簡單的 Edge AI 應用。
• 識別並理解 Edge AI 的用例和優勢。

本次由講師指導的培訓（線上或線下）面向中級嵌入式系統工程師和AI開發者，旨在幫助他們使用TensorFlow Lite和Edge Impulse在微控制器上部署機器學習模型。

培訓結束後，參與者將能夠：

• 理解TinyML的基礎知識及其在邊緣AI應用中的優勢。
• 爲TinyML項目設置開發環境。
• 在低功耗微控制器上訓練、優化和部署AI模型。
• 使用TensorFlow Lite和Edge Impulse實現實際TinyML應用。
• 優化AI模型以提升能效並滿足內存限制。

在這個由講師指導的 澳門 現場培訓中，參與者將在開發和部署基於樣本 NB-IoT 的應用程式時瞭解 NB-IoT （也稱為 LTE Cat NB1）的各個方面。

在培訓結束時，參與者將能夠：

• 確定 NB-IoT 的不同組成部分，以及如何組合在一起形成一個生態系統。
• 了解並解釋 NB-IoT 設備中內置的安全功能。
• 開發一個簡單的應用程式來跟蹤 NB-IoT 個設備。

ThingsBoard 是一個開源IoT平臺，可為您的IoT解決方案提供設備管理、資料收集、處理和可視化。

在這個以講師為主導的現場培訓中，參與者將學習如何將 ThingsBoard 集成到他們的物聯網解決方案中。

在培訓結束時，參與者將能夠：

• 安裝與設定ThingsBoard
• 瞭解 ThingsBoard 功能和體系結構的基礎知識
• 使用 ThingsBoard 構建IoT應用程式
• 將 ThingsBoard 與 Kafka 集成，用於遙測設備數據路由
• 將 ThingsBoard 與 Apache Spark 集成，以便從多個設備進行數據聚合

觀眾

• 軟體工程師
• 硬體工程師
• 開發人員

課程形式

• 部分講座，部分討論，練習和大量的實踐練習

注意

• 如需申請此課程的定製培訓，請聯繫我們進行安排。

本次由講師指導的培訓在澳門（線上或線下）面向希望瞭解TinyML基礎知識、探索其應用並在微控制器上部署AI模型的初級工程師和數據科學家。

培訓結束後，參與者將能夠：

• 理解TinyML的基礎知識及其重要性。
• 在微控制器和邊緣設備上部署輕量級AI模型。
• 優化和微調機器學習模型以實現低功耗。
• 將TinyML應用於實際應用，如手勢識別、異常檢測和音頻處理。

本次由講師主導的澳門（線上或線下）培訓，面向希望在高能效硬件上實現AI驅動的TinyML技術的中級嵌入式工程師、物聯網開發者和AI研究人員。

培訓結束後，參與者將能夠：

• 理解TinyML和邊緣AI的基礎知識。
• 在微控制器上部署輕量級AI模型。
• 優化AI推理以實現低功耗。
• 將TinyML與實際物聯網應用集成。