TinyML在物聯網應用中的實踐培訓

TinyML是在資源受限的邊緣設備上部署優化機器學習模型的實踐。

本次由講師主導的培訓（線上或線下）面向希望設計、優化和部署完整TinyML管道的高級技術專業人員。

通過本次培訓，參與者將學習如何：

• 收集、準備和管理TinyML應用的數據集。
• 爲低功耗微控制器訓練和優化模型。
• 將模型轉換爲適合邊緣設備的輕量級格式。
• 在真實硬件環境中部署、測試和監控TinyML應用。

課程形式

• 講師指導的講座和技術討論。
• 實踐實驗室和迭代實驗。
• 在基於微控制器的平臺上進行動手部署。

課程定製選項

• 如需定製特定工具鏈、硬件板或內部工作流程的培訓，請聯繫我們安排。

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。

TinyML是將機器學習模型部署在資源高度受限的硬件上的實踐。

本課程爲講師主導的培訓（線上或線下），面向希望優化TinyML模型以在嵌入式設備上實現低延遲、內存高效部署的高級從業者。

完成本培訓後，學員將能夠：

• 應用量化、剪枝和壓縮技術，在不犧牲準確性的情況下減小模型大小。
• 對TinyML模型進行基準測試，評估延遲、內存消耗和能效。
• 在微控制器和邊緣設備上實現優化的推理管道。
• 評估性能、準確性和硬件約束之間的權衡。

課程形式

• 講師主導的演示，輔以技術示範。
• 實踐優化練習和性能對比測試。
• 在受控實驗室環境中動手實現TinyML管道。

課程定製選項

• 如需根據特定硬件平臺或內部工作流程定製培訓，請聯繫我們以定製課程內容。

TinyML是一種在低功耗、資源受限的邊緣網絡設備上部署機器學習模型的方法。

本課程爲講師指導的培訓（線上或線下），面向希望保護TinyML管道並在邊緣AI應用中實施隱私保護技術的高級專業人員。

課程結束後，學員將能夠：

• 識別設備端TinyML推理中特有的安全風險。
• 爲邊緣AI部署實施隱私保護機制。
• 強化TinyML模型和嵌入式系統，抵禦對抗性威脅。
• 在受限環境中應用安全數據處理的最佳實踐。

課程形式

• 專家主導的討論支持的互動講座。
• 強調真實威脅場景的實踐練習。
• 使用嵌入式安全和TinyML工具進行動手實踐。

課程定製選項

• 組織可以請求定製版本的培訓，以滿足其特定的安全和合規需求。

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。

TinyML是一個框架，用於在低功耗微控制器和嵌入式平臺上部署機器學習模型，這些平臺廣泛應用於機器人技術和自主系統。

本課程由講師主導，提供線上或線下培訓，面向希望將基於TinyML的感知和決策能力集成到自主機器人、無人機和智能控制系統中的高級專業人士。

課程結束後，學員將能夠：

• 爲機器人應用設計優化的TinyML模型。
• 實現用於即時自主性的設備端感知管道。
• 將TinyML集成到現有的機器人控制框架中。
• 在嵌入式硬件平臺上部署和測試輕量級AI模型。

課程形式

• 技術講座與互動討論相結合。
• 專注於嵌入式機器人任務的實踐實驗室。
• 模擬真實世界自主工作流程的實踐練習。

課程定製選項

• 針對組織特定的機器人環境，可根據要求進行定製。

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。

TinyML是將機器學習集成到低功耗、資源有限的可穿戴和醫療設備中的技術。

本次由講師主導的培訓（線上或線下）面向中級從業者，旨在幫助他們爲醫療監控和診斷應用實施TinyML解決方案。

完成培訓後，參與者將能夠：

• 設計和部署用於即時健康數據處理的TinyML模型。
• 收集、預處理並解釋生物傳感器數據，以獲取AI驅動的洞察。
• 爲低功耗和內存受限的可穿戴設備優化模型。
• 評估TinyML驅動輸出的臨牀相關性、可靠性和安全性。

課程形式

• 講座結合即時演示和互動討論。
• 動手實踐可穿戴設備數據和TinyML框架。
• 在指導的實驗室環境中進行實施練習。

課程定製選項

• 如需根據特定醫療設備或法規工作流程定製培訓，請聯繫我們以定製課程。

TinyML是一個在低功耗、資源受限的現場設備上部署機器學習模型的框架。

本課程由講師主導，提供線上或線下培訓，專爲中級專業人士設計，旨在應用TinyML技術於智慧農業解決方案，以增強自動化和環境智能。

完成本課程後，學員將能夠：

• 構建並部署用於農業傳感應用的TinyML模型。
• 將邊緣AI集成到物聯網生態系統中，實現自動化作物監測。
• 使用專業工具訓練和優化輕量級模型。
• 開發用於精準灌溉、害蟲檢測和環境分析的工作流程。

課程形式

• 引導式演講和應用技術討論。
• 使用真實世界數據集和設備進行實踐操作。
• 在支持實驗室環境中進行實際實驗。

課程定製選項

• 如需根據特定農業系統定製培訓，請聯繫我們以定製課程。