課程簡介

邊緣 AI 簡介

  • 定義和關鍵概念
  • 邊緣 AI 和雲 AI 的區別
  • 邊緣 AI 的優勢和挑戰
  • 邊緣 AI 應用概述

邊緣 AI 架構

  • 邊緣 AI 系統的元件
  • 硬體和軟體要求
  • 邊緣 AI 應用程式中的數據流
  • 與現有系統集成

設置邊緣 AI 環境

  • 邊緣 AI 平台簡介(Raspberry Pi、NVIDIA Jetson 等)
  • 安裝必要的軟體和庫
  • 配置開發環境
  • 初始化Edge AI設置

開發邊緣 AI 模型

  • 邊緣設備的機器學習和深度學習模型概述
  • 專門用於邊緣部署的訓練模型
  • 優化邊緣設備模型的技術
  • 邊緣 AI 開發的工具和框架(TensorFlow Lite、OpenVINO 等)

Data Management 和邊緣 AI 的預處理

  • 邊緣環境的數據收集技術
  • 邊緣設備的數據預處理和增強
  • 管理邊緣設備上的數據管道
  • 確保邊緣環境中的數據隱私和安全

部署邊緣 AI 應用程式

  • 在各種邊緣設備上部署模型的步驟
  • 監視和管理已部署模型的技術
  • 邊緣設備上的實時數據處理和推理
  • 部署的案例研究和實際實例

將邊緣 AI 與物聯網系統整合

  • 將邊緣 AI 解決方案與物聯網設備和感測器連接起來
  • Communication 協議和數據交換方法
  • 構建端到端邊緣 AI 和 IoT 解決方案
  • 實際範例和用例

Use Case和應用

  • 邊緣 AI 的行業特定應用
  • 醫療保健、汽車和智慧家居領域的深入案例研究
  • 成功案例和經驗教訓
  • 邊緣 AI 的未來趨勢和機遇

道德考量和最佳實踐

  • 確保邊緣 AI 部署中的隱私和安全
  • 解決邊緣 AI 模型中的偏見和公平性問題
  • 符合法規和標準
  • 負責任地部署 AI 的最佳實踐

動手項目和練習

  • 開發複雜的邊緣 AI 應用程式
  • 真實世界的項目和場景
  • 協作小組練習
  • 專案演示和反饋

摘要和後續步驟

最低要求

  • 瞭解基本的 AI 和機器學習概念
  • 有程式設計語言經驗(Python 推薦)
  • 熟悉邊緣計算和物聯網概念

觀眾

  • 開發人員
  • IT 專業人員
 14 時間:

課程分類