課程簡介

Edge AI簡介

  • 定義與關鍵概念
  • Edge AI與Cloud AI的區別
  • Edge AI的優勢與挑戰
  • Edge AI應用概覽

Edge AI架構

  • Edge AI系統的組成部分
  • 硬件與軟件需求
  • Edge AI應用中的數據流
  • 與現有系統的集成

搭建Edge AI環境

  • Edge AI平臺介紹(如Raspberry Pi、NVIDIA Jetson等)
  • 安裝必要的軟件與庫
  • 配置開發環境
  • 初始化Edge AI設置

開發Edge AI模型

  • 邊緣設備上的機器學習與深度學習模型概覽
  • 針對邊緣部署的模型訓練
  • 優化邊緣設備模型的技術
  • Edge AI開發工具與框架(如TensorFlow Lite、OpenVINO等)

Edge AI中的數據管理與預處理

  • 邊緣環境中的數據收集技術
  • 邊緣設備上的數據預處理與增強
  • 管理邊緣設備上的數據管道
  • 確保邊緣環境中的數據隱私與安全

部署Edge AI應用

  • 在不同邊緣設備上部署模型的步驟
  • 監控與管理已部署模型的技術
  • 邊緣設備上的即時數據處理與推理
  • 部署的案例研究與實際示例

將Edge AI與物聯網系統集成

  • 將Edge AI解決方案與物聯網設備及傳感器連接
  • 通信協議與數據交換方法
  • 構建端到端的Edge AI與物聯網解決方案
  • 實際示例與用例

用例與應用

  • Edge AI的行業特定應用
  • 醫療、汽車與智能家居的深度案例研究
  • 成功案例與經驗教訓
  • Edge AI的未來趨勢與機遇

倫理考量與最佳實踐

  • 確保Edge AI部署中的隱私與安全
  • 解決Edge AI模型中的偏見與公平性問題
  • 遵守法規與標準
  • 負責任的AI部署最佳實踐

實踐項目與練習

  • 開發一個複雜的Edge AI應用
  • 真實世界的項目與場景
  • 協作小組練習
  • 項目展示與反饋

總結與下一步

最低要求

  • 對基本AI和機器學習概念的理解
  • 編程語言經驗(推薦Python)
  • 熟悉邊緣計算和物聯網概念

受衆

  • 開發者
  • IT專業人員
 14 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類