澳門現場Edge AI培訓

本課程為講師指導的實戰培訓，在澳門（線上或線下）進行，旨在幫助高級AI研究人員、數據科學家和安全專家實施分散式學習技術，以在多台邊緣設備上訓練AI模型，同時保護數據隱私。

完成本培訓後，參與者將能夠：

• 了解邊緣AI中分散式學習的原則和優勢。
• 使用TensorFlow Federated和PyTorch實施分散式學習模型。
• 優化分佈式邊緣設備上的AI訓練。
• 應對分散式學習中的數據隱私和安全挑戰。
• 在實際應用中部署和監控分散式學習系統。

這是一門在 澳門（線上或線下）進行的實訓課程，面向初級到中級水平的農技專業人員、物聯網專家以及希望開發和部署智慧農業邊緣 AI 解決方案的人工智慧工程師。

完成本培訓後，參與者將能夠：

• 理解 Edge AI 在精準農業中的作用。
• 實施基於 AI 的作物和牲畜監測系統。
• 開發自動灌溉和環境傳感器解決方案。
• 利用實時 Edge AI 分析優化農業效率。

這門在澳門（線上或線下）舉辦的由講師指導之即時培訓，旨在協助中高階資安專業人員、AI工程師與物聯網開發者，實施強健的安全措施及韌性策略以保護邊緣AI系統。

完成本培訓後，參與者將能夠：

• 了解邊緣AI部署中的安全風險與漏洞。
• 實施資料加密與驗證技術，保護資料安全。
• 設計能抵禦網路威脅的韌性邊緣AI架構。
• 在邊緣環境中應用安全的AI模型部署策略。

本課程提供澳門（線上或線下）由講師親自指導並包含實作環節的訓練，目標受眾為初級至中階的零售技術人員、AI開發人員及業務分析師，他們希望運用邊緣AI解決方案來打造智慧結帳系統、庫存管理以及個性化顧客互動體驗。

完成本課程後，學員將能夠：

• 理解邊緣AI如何提升零售營運與顧客體驗。
• 實作AI驅動的智慧結帳及無收銀員支付系統。
• 利用即時追蹤與分析優化庫存管理。
• 運用電腦視覺與AI創造店內的個性化購物體驗。

本次在[loc]（線上或線下）由講師帶領的現場培訓，針對希望探索5G網絡如何加速邊緣AI應用的中級電信專業人員、AI工程師及物聯網專家設計。

培訓結束後，學員將能夠：

• 理解5G技術的基本原理及其對邊緣AI的影響。
• 部署針對低延遲應用優化的AI模型，使其適用於5G環境。
• 利用邊緣AI和5G連接實現實時決策系統。
• 優化邊緣設備上AI工作負載的運行效率。

本培訓由講師指導，並提供 澳門 (線上或線下) 實時培訓，目標受眾為希望針對資源受限設備部署而微調和優化輕量級AI模型的初級嵌入式AI開發人員及邊緣計算專家。

完成此培訓後，學員將能夠：

• 選擇並調整適合邊緣部署的預訓練模型。
• 應用量化、剪枝及其他壓縮技術以減少模型體積與延遲。
• 使用遷移學習微調模型，以提升特定任務的性能表現。
• 將優化後的模型部署至真實的邊緣硬件平台上。

此課程由講員主導的實作培訓（線上或線下進行），主要針對中高級電腦視覺工程師、人工智慧開發者及物聯網專業人員，旨在協助他們在邊緣裝置上實現與最佳化即時影像處理的人工智慧模型。

參與學員在結束本課程後，將能夠：

• 了解邊緣人工智慧的基礎知識及其在電腦視覺中的應用。
• 部署最佳化的深度學習模型於邊緣裝置，以進行實時影像與視訊分析。
• 使用如 TensorFlow Lite、OpenVINO 及 NVIDIA Jetson SDK 等框架進行模型部署。
• 優化人工智慧模型的性能、功耗效率及低延遲推論能力。

這門在澳門（線上或線下）進行的由導師主導的現場培訓，旨在針對中級嵌入式工程師、IoT開發人員和AI研究人員，他們希望在節能硬件上實施用於AI驅動應用的TinyML技術。

完成本培訓後，參與者將能夠：

• 理解TinyML和邊緣AI的基本原理。
• 在微控制器上部署輕量級AI模型。
• 優化低功耗消耗的AI推理過程。
• 將TinyML與現實世界的IoT應用整合。

這門在 澳門（線上或線下）進行的由講師帶領的培訓，針對希望將邊緣AI應用於機器人應用的中級到高級機器人工程師、AI開發人員和自動化專家。

完成本培訓後，學員將能夠：

• 了解邊緣AI在自主系統中的角色。
• 在邊緣設備上部署AI模型以實現實時機器人技術。
• 優化AI性能以進行低延遲決策。
• 整合電腦視覺和傳感器融合以實現機器人自主性。

邊緣與輕量級代理是一門實用課程，專注於在資源受限的設備上部署代理式 AI 工作負載。學員將學習構建、優化和管理能夠在本地進行推理和判斷的輕量級代理，從而提升分佈式環境中的速度、隱私性和可靠性。課程強調性能調優、低延遲設計以及硬體與軟體的整合。

這門由講師指導的實作培訓（線上或線下）針對希望使用 Python 和邊緣 AI 框架實現並優化設備端代理系統的初級至中級專業人士。

完成本培訓後，學員將能夠：

• 理解在邊緣設備上運行代理式 AI 的架構與挑戰。
• 設計適合資源受限環境的輕量級代理循環。
• 使用 TensorFlow Lite、PyTorch Mobile 和 ONNX 實現本地推理。
• 將代理整合至感測器、執行器和 IoT 平台。
• 優化即時運作所需的效能、能耗和延遲。

課程形式

• 互動式講授與實作示範。
• 在本地或模擬環境中的實作開發。
• 專案導向學習與引導式實作練習。

課程客製化選項

• 如需為此課程申請客製化培訓，請聯繫我們進行安排。

此導師主導、現場培訓 澳門（線上或線下）針對希望以最小能源消耗在低功耗設備上實現AI模型的進階級AI工程師、嵌入式開發人員及硬體工程師。

完成本培訓後，學員將能夠：

• 理解在能源高效設備上運行AI的挑戰。
• 針對低功耗推論優化神經網路。
• 運用量化、剪枝及模型壓縮技術。
• 以最低功耗在邊側硬體上部署AI模型。

這門由導師指導的培訓課程（澳門提供線上或線下形式），旨在協助初級至中階的 AI 開發人員、嵌入式工程師以及機器人工程師優化並部署 AI 模型於 NVIDIA Jetson 平台，以應用於邊緣運算場景。

完成此培訓後，學員將能夠：

• 理解邊緣 AI 與 NVIDIA Jetson 硬體的基本原理。
• 優化 AI 模型以便在邊緣裝置上部署。
• 運用 TensorRT 加速深度學習推論過程。
• 使用 JetPack SDK 和 ONNX Runtime 部署 AI 模型。

此為由講師帶領的實體培訓（線上或線下），旨在協助中階 AI 開發者、機器學習工程師及系統架構師優化 AI 模型以進行邊緣部署。

完成本培訓後，參與者將能：

• 了解在邊緣裝置上部署 AI 模型的挑戰與需求。
• 運用模型壓縮技術減少 AI 模型的規模與複雜度。
• 利用量化方法提升邊緣硬體上的模型效率。
• 實施剪枝及其他最佳化技術以改善模型效能。
• 將經過優化的 AI 模型部署至多種邊緣裝置。

此為講師指導之即時培訓，在澳門（線上或線下）舉辦，旨在協助中階開發者、數據科學家及科技愛好者掌握在各種應用場景中，將AI模型部署於邊緣裝置的實用技能。

完成本培訓後，學員將能夠：

• 理解邊緣AI的原理及其優勢。
• 設定並配置邊緣運算環境。
• 開發、訓練並優化適用於邊緣部署的AI模型。
• 於邊緣裝置上實作實用AI解決方案。
• 評估並改善已部署於邊緣之模型的效能。
• 處理邊緣AI應用中的倫理與安全考量。

此澳門（線上或線下）由導師帶領的培訓，旨在面向希望將邊緣人工智慧解決方案實施於金融服務的初級至中級財務專業人士、金融科技開發者及人工智慧專家。

課程結束後，學員將能夠：

• 理解邊緣人工智慧在金融服務中的角色。
• 使用邊緣人工智慧實施詐欺偵測系統。
• 透過AI驅動的解決方案提升客戶服務。
• 應用邊緣人工智慧進行風險管理和決策制定。
• 部署及管理金融環境中的邊緣人工智慧解決方案。

此由導師主導的培訓在澳門（線上或線下）提供，針對希望將Edge AI解決方案實施於工業自動化的中級工業工程師、製造業專業人員及AI開發人員。

完成本培訓後，參與者將能夠：

• 了解邊緣AI在工業自動化中的角色。
• 使用Edge AI實施預測性維護解決方案。
• 應用AI技術於製造流程的品質控制。
• 使用Edge AI優化工業流程。
• 在工業環境中部署和管理Edge AI解決方案。

Edge AI involves deploying artificial intelligence models directly on edge devices and machines, enabling real-time decision-making with minimal latency.

This instructor-led, live training (online or onsite) targets advanced-level embedded and IoT professionals who wish to deploy AI-powered logic and control systems in manufacturing environments where speed, reliability, and offline operation are critical.

By the end of this training, participants will be able to:

• Understand the architecture and benefits of edge AI systems.
• Build and optimize AI models for deployment on embedded devices.
• Use tools like TensorFlow Lite and OpenVINO for low-latency inference.
• Integrate edge intelligence with sensors, actuators, and industrial protocols.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

這門在 澳門（線上或線下）進行的由講師指導的現場培訓，旨在針對希望利用 TensorFlow Lite 進行邊緣 AI 應用的中級開發人員、數據科學家和 AI 從業者。

在本課程結束時，參與者將能夠：

• 理解 TensorFlow Lite 的基本概念及其在邊緣 AI 中的作用。
• 使用 TensorFlow Lite 開發和優化 AI 模型。
• 在各種邊緣設備上部署 TensorFlow Lite 模型。
• 利用工具和技術進行模型轉換和優化。
• 實施使用 TensorFlow Lite 的實用邊緣 AI 應用。

此課程由講師帶領進行實作培訓，採澳門（線上或線下）方式進行。目標受眾為具備初級至中級水準的城市規劃師、土木工程師及智慧城市專案經理，希望能運用邊緣人工智慧推動智慧城市專案。

完成本課程後，學員將能夠：

• 理解邊緣人工智慧在智慧城市基礎設施中的角色。
• 實施用於交通管理與監控的邊緣人工智慧解決方案。
• 運用邊緣人工智慧技術優化都市資源。
• 將邊緣人工智慧整合至現有智慧城市系統中。
• 處理智慧城市部署中的倫理與法規考量。

此由講師帶領的即時培訓 澳門（線上或線下），旨在協助初階到中高階的資安專業人士、系統管理員及 AI 倫理研究人員，學習如何安全且合乎倫理地部署 Edge AI 解決方案。

完成本培訓後，學員將能夠：

• 理解邊緣 AI 中的資安與隱私挑戰。
• 實施保障邊緣裝置和資料安全的最佳實務。
• 開發策略以減輕 Edge AI 部署中的資安風險。
• 處理道德考量，並確保符合法規要求。
• 針對 Edge AI 應用程式進行資安評估與稽核。

此由講師帶隊的現場培訓（線上或線下）旨在服務中階機器人工程師、自動駕駛汽車開發者以及希望利用邊緣人工智慧創新自主系統解決方案的人工智慧研究者。

完成本培訓後，學員將能夠：

• 理解邊緣人工智慧在自主系統中的角色與益處。
• 開發並部署適用於邊緣裝置即時處理的人工智慧模型。
• 在自動駕駛汽車、無人機和機器人中實施邊緣人工智慧解決方案。
• 使用邊緣人工智慧設計並最佳化控制系統。
• 處理自主人工智慧應用中的道德與監管考量。

此由講師引導的即時培訓在澳門（線上或線下）進行，適合初級至中級醫療專業人員、生醫工程師及希望利用邊緣AI進行創新醫療方案解決方案的AI開發人員。

完成本培訓後，參加者將能夠：

• 理解邊緣AI在醫療保健中的角色與益處。
• 為醫療應用在邊緣裝置上開發並部署AI模型。
• 在穿戴式裝置和診斷工具中實施邊緣AI解決方案。
• 設計並部署使用邊緣AI的病人監測系統。
• 處理醫療保健AI應用中的倫理與法規考量。

邊緣AI使人工智慧模型能夠直接在嵌入式或資源受限的設備上運行，減少延遲和功耗，同時提高機器人社系統的自主性和隱私性。

此課程為講師主導型培訓（線上或線下），針對具備中階程度的嵌入式開發人員及機器人工程師設計，協助其使用TinyML與邊緣AI框架，在機器人硬體上直接實現機器學習推論與最佳化技術。

完成本課程後，學員將能夠：

• 理解TinyML與邊緣AI在機器人領域的基本原理。
• 轉換並部署適用於裝置端推論的AI模型。
• 針對速度、體積及能源效率進行模型最佳化。
• 將邊緣AI系統整合至機器人控制架構中。
• 在真實情境中評估效能與準確度。

課程形式

• 互動式講授與討論。
• 運用TinyML及邊緣AI工具鏈進行實作練習。
• 在嵌入式與機器人硬體平台上執行實務操作。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們以便安排。

「6G與智慧邊緣」是一門前瞻性課程，探討將6G無線技術、邊緣運算、物聯網生態系及人工智慧驅動資料處理整合，以支援具智能性、低延遲與自適應的基礎架構。

本課程由講師進行直播培訓（線上或線下），旨在協助中階IT架構師理解並設計次世代分散式架構，充分運用6G連線力與智慧邊緣系統的協同效應。

完成課程後，學員將能夠：

• 理解6G如何改變邊緣運算與物聯網架構。
• 設計具備超低延遲、高頻寬及自主運作能力的分散式系統。
• 在邊緣導入人工智慧與資料分析，以實現智能決策。
• 規劃具擴展性、安全性及韌性的6G準備就绪邊緣基礎設施。
• 評估由6G與邊緣融合所促成的商業與營運模式。

課程形式

• 互動式講授與討論。
• 案例研究與應用架構設計練習。
• 搭配選用邊緣或容器工具的實作模擬。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯絡我們安排。

此由講師主導的即時培訓於澳門（線上或線下）舉行，針對希望精通邊緣AI最新進展、優化其AI模型於邊緣設備部署，並探索各行業專業應用的高階AI從業人員、研究者及開發者而設。

完成本培訓後，學員將能夠：

• 探索邊緣AI模型開發與優化的進階技術。
• 實施在邊緣設備部署AI模型的尖策略。
• 利用專用於高階邊緣AI應用的工具與框架。
• 優化邊緣AI解決方案的性能與效率。
• 探索邊緣AI的創新用例與新興趨勢。
• 解決邊緣AI部署中的進階倫理與安全考量。

華為的Ascend CANN工具包讓Ascend 310等邊緣設備能夠實現強大的AI推理。CANN為在算力和內存受限的環境中編譯、優化及部署模型提供了必要的工具。

此培訓由講師帶領進行，提供線上或線下（Onsite）形式。旨在協助中級水平的AI開發者和整合人員使用CANN工具鏈部署並優化Ascend邊緣設備上的模型。

完成本課程後，學員將能夠：

• 準備並使用CANN工具將AI模型轉換為Ascend 310可用格式。
• 使用MindSpore Lite和AscendCL構建輕量級的推理管道。
• 針對受限的算力和內存環境優化模型性能。
• 在真實世界邊緣應用場景中部署並監控AI應用程式。

課程形式

• 互動式授課與示範。
• 結合邊緣特定模型和情境的實作練習。
• 在虛擬或實體邊緣硬體上的即時部署範例。

課程客製化選項

• 如需此課程的客製化培訓，請聯繫我們安排。

這項在 澳門（線上或線下）進行的由講師指導的實時培訓，旨在幫助中級開發人員、系統架構師和行業從業人員利用邊緣 AI 提升 IoT 應用的智能數據處理和分析能力。

完成本培訓後，學員將能夠：

• 理解邊緣 AI 的基本原理及其在 IoT 中的應用。
• 為 IoT 設備設置和配置邊緣 AI 環境。
• 在邊緣設備上開發和部署用於 IoT 應用的 AI 模型。
• 在 IoT 系統中實施即時數據處理和決策。
• 將邊緣 AI 與各種 IoT 協議和平台整合。
• 應對邊緣 AI 用於 IoT 的道德考慮和最佳實踐。

此講師親自指導的線上或線下即時培訓（澳門）旨在幫助中階物聯網開發人員、嵌入式工程師和AI從業者，實施TinyML以用於預測性維護、異常檢測和智慧感測器應用。

完成本培訓後，參與者將能夠：

• 理解TinyML的基本原理及其在物聯網中的應用。
• 為物聯網專案建立TinyML開發環境。
• 在低功耗微控制器上開發和部署機器學習模型。
• 使用TinyML實施預測性維護和異常檢測。
• 最佳化TinyML模型，以提高能源效率和記憶體利用率。

這項在澳門（線上或線下）進行的由講師引導的現場培訓旨在為中級開發人員和IT專業人士提供關於邊緣AI從概念到實踐實施的全面理解，包括設置和部署。

完成本課程後，學員將能夠：

• 理解邊緣AI的基本概念。
• 設置並配置邊緣AI環境。
• 開發、訓練和優化邊緣AI模型。
• 部署和管理邊緣AI應用程序。
• 將邊緣AI與現有系統和工作流程整合。
• 處理邊緣AI實施中的倫理考量和最佳實踐。

此種由講師指導的現場培訓（線上或線下）旨在幫助初級嵌入式系統工程師及 AI 開發人員使用 TensorFlow Lite 和 Edge Impulse 在微控制器上部署機器學習模型。

完成培訓後，參與者將能夠：

• 理解 TinyML 的基本原理及其對邊緣 AI 應用的益處。
• 設定 TinyML 項目的開發環境。
• 在低功耗微控制器上訓練、優化並部署 AI 模型。
• 利用 TensorFlow Lite 和 Edge Impulse 實現現實世界中的 TinyML 應用。
• 為功率效率和記憶體限制優化 AI 模型。

Cambricon MLU（機器學習單元）是專為邊緣數據中心場景中的推理和訓練而優化的AI芯片。

此有講師指導的實地培訓（線上或線下）旨在面向中級開發人員，幫助他們在Cambricon MLU硬件上使用BANGPy框架和Neuware SDK構建和部署AI模型。

通過參加本次培訓，參與者將能夠：

• 設置並配置BANGPy與Neuware開發環境。
• 為Cambricon MLU開發及優化基於Python和C++的模型。
• 在運行Neuware runtime的邊緣設備與數據中心設備上部署模型。
• 將ML工作流與MLU特定加速功能整合。

課程格式

• 互動講座與討論。
• 實地使用BANGPy和Neuware進行開發及部署。
• 專注於優化、整合和測試的指導練習。

課程自定義選項

• 如需為本課程申請基於您的Cambricon設備型號或使用案例的自定義培訓，請聯繫我們安排。

此由導師主導的現場培訓在[loc]（線上或線下）進行，旨在幫助初級開發者和IT專業人士了解邊緣AI的基本原理及其入門應用。

完成本培訓後，學員將能夠：

• 理解邊緣AI的基本概念和架構。
• 設置和配置邊緣AI環境。
• 開發和部署簡單的邊緣AI應用程式。
• 識別和理解邊緣AI的用例及優勢。