TinyML for IoT Applications培訓

這項面向中級電信專業人員、AI 工程師和物聯網專家的講師主導的現場培訓（在線或現場）旨在探討5G網絡如何加速Edge AI應用程序。

培訓結束時，參與者將能夠：

• 了解5G技術的基本原理及其對Edge AI的影響。
• 在5G環境中部署針對低延遲應用程序優化的AI模型。
• 利用Edge AI和5G連接實現實時決策系統。
• 優化邊緣設備的AI工作負載，以提高性能。

這種以講師為主導的 澳門（在線或現場）現場培訓面向希望掌握邊緣 AI 最新進展、優化其 AI 模型以進行邊緣部署並探索跨各個行業的專業應用的高級 AI 從業者、研究人員和開發人員。

在培訓結束時，參與者將能夠：

• 探索邊緣 AI 模型開發和優化中的高級技術。
• 實施在邊緣設備上部署 AI 模型的尖端策略。
• 將專用工具和框架用於高級邊緣 AI 應用程式。
• 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 部署中的高級道德和安全注意事項。

這種以講師為主導的 澳門（在線或現場）現場培訓面向希望獲得在邊緣設備上為各種應用程式部署 AI 模型的實用技能的中級開發人員、數據科學家和技術愛好者。

在培訓結束時，參與者將能夠：

• 了解邊緣 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。
• 在邊緣設備上實施實用的 AI 解決方案。
• 評估和改進邊緣部署模型的性能。
• 解決邊緣 AI 應用程式中的道德和安全注意事項。

本课程面向希望为澳門系统实施强有力的安全措施和韧性策略的高级网络安全专业人员、人工智能工程师和物联网开发人员。培训形式为在线或现场培训。

培训结束时，学员将能够：

• 了解Edge AI部署中的安全风险和漏洞。
• 实施数据保护的加密和身份验证技术。
• 设计能够抵御网络威胁的韧性Edge AI架构。
• 在边缘环境中应用安全的AI模型部署策略。

這種由講師指導的現場培訓<本地>（在線或現場）面向中級 IT 專業人員和業務經理，他們希望瞭解 IoT 和邊緣計算在各個行業中實現效率、實時處理和創新的潛力。

在本次培訓結束時，參與者將能夠：

• 瞭解IoT和邊緣計算的原理及其在數字化轉型中的作用。
• 確定製造、物流和能源領域的IoT和邊緣計算使用案例。
• 區分邊緣計算和雲計算架構和部署場景。
• 實施邊緣計算解決方案，以實現預測性維護和實時決策。

這門由講師主導的現場培訓課程（在線或現場）旨在幫助初學者到中級的農技專業人員、物聯網專家和人工智能工程師，幫助他們開發和部署智慧農業的Edge AI解決方案。

培訓結束時，參與者將能夠：

• 了解Edge AI在精準農業中的作用。
• 實施基於AI的作物和畜牧監測系統。
• 制定自動化灌溉和環境感測解決方案。
• 使用實時Edge AI分析來優化農業效率。

這種由講師指導的現場澳門（在線或現場）培訓面向希望利用邊緣人工智慧提供創新自主系統解決方案的中級機器人工程師、自動駕駛汽車開發人員和人工智慧研究人員。

在培訓結束時，參與者將能夠：

• 瞭解邊緣 AI 在自主系統中的作用和優勢。
• 開發和部署 AI 模型，以便在邊緣設備上進行即時處理。
• 在自動駕駛汽車、無人機和機器人技術中實施邊緣 AI 解決方案。
• 使用 Edge AI 設計和優化控制系統。
• 解決自主 AI 應用中的道德和監管考慮。

這種以講師為主導的 澳門（在線或現場）現場培訓面向希望利用邊緣 AI 通過智慧數據處理和分析功能增強物聯網應用程式的中級開發人員、系統架構師和行業專業人士。

在培訓結束時，參與者將能夠：

• 瞭解邊緣 AI 基礎知識及其在物聯網中的應用。
• 為IoT設備設置和配置邊緣 AI 環境。
• 在邊緣設備上為IoT應用程式開發和部署 AI 模型。
• 在物聯網系統中實現即時數據處理和決策。
• 將邊緣 AI 與各種物聯網協定和平臺整合。
• 解決面向物聯網的邊緣 AI 中的道德考量和最佳實踐。

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。

這個面向中級嵌入式系統工程師和 AI 開發人員的以講師為導向的實時培訓（在線或現場）旨在使參加者能夠使用 TensorFlow Lite 和 Edge Impulse 在微控制器上部署機器學習模型。

培訓結束時，參與者將能夠：

• 了解 TinyML 的基本原則及其對邊緣 AI 應用程序的好處。
• 為 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 實現現實世界的 TinyML 應用程序。
• 對 AI 模型進行優化以提高功率效率和內存限制。

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。

本課程是針對希望了解TinyML基本原理、探索其應用並在微控制器上部署人工智能模型的初學者級工程師和數據科學家的教學員工實時在線培訓，地點在澳門（在線或現場）。

培訓結束時，參與者將能夠：

• 了解TinyML的基本原理及其重要性。
• 在微控制器和邊緣設備上部署輕量級的人工智能模型。
• 優化和調整機器學習模型以降低功耗。
• 將TinyML應用於手勢識別、異常檢測和音頻處理等現實世界應用。

This instructor-led, live training in 澳門 (online or onsite) is aimed at intermediate-level embedded engineers, IoT developers, and AI researchers who wish to implement TinyML techniques for AI-powered applications on energy-efficient hardware.

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

• Understand the fundamentals of TinyML and edge AI.
• Deploy lightweight AI models on microcontrollers.
• Optimize AI inference for low-power consumption.
• Integrate TinyML with real-world IoT applications.