聯繫我們

課程簡介

邊緣 AI 介紹

  • 定義與關鍵概念
  • 邊緣 AI 與雲端 AI 的差異
  • 邊緣 AI 的利益與挑戰
  • 邊緣 AI 應用程式概覽

邊緣 AI 架構

  • 邊緣 AI 系統組件
  • 硬體與軟體需求
  • 邊緣 AI 應用程式中的數據流程
  • 與現有系統的整合

設定邊緣 AI 環境

  • 邊緣 AI 平台介紹(例如 Raspberry Pi、NVIDIA Jetson)
  • 安裝必要的軟體與函式庫
  • 配置開發環境
  • 初始化邊緣 AI 設定

開發邊緣 AI 模型

  • 針對邊緣裝置的機器學習與深度學習模型概覽
  • 訓練專門用於邊緣部署的模型
  • 優化模型以適應邊緣裝置的技術
  • 邊緣 AI 開發工具與框架(例如 TensorFlow Lite、OpenVINO)

邊緣 AI 的數據管理與預處理

  • 針對邊緣環境的數據收集技術
  • 針對邊緣裝置的數據預處理與增強
  • 在邊緣裝置上管理數據管道
  • 確保邊緣環境中的數據隱私與安全

部署邊緣 AI 應用程式

  • 在各類邊緣裝置上部署模型的步驟
  • 監控和管理已部署模型的技術
  • 在邊緣裝置上進行即時數據處理與推論
  • 部署的案例研究與實際範例

將邊緣 AI 與物聯網 (IoT) 系統整合

  • 將邊緣 AI 解決方案連接到 IoT 裝置和感測器
  • 通訊協議與數據交換方法
  • 構建端到端的邊緣 AI 和 IoT 解決方案
  • 實際範例與使用案例

使用案例與應用

  • 特定產業的邊緣 AI 應用
  • 深入探討醫療、汽車和智慧家庭的案例研究
  • 成功故事與經驗教訓
  • 邊緣 AI 的未來趨勢與機遇

倫理考量與最佳實務

  • 確保邊緣 AI 部署中的隱私與安全
  • 處理邊緣 AI 模型中的偏見與公平性問題
  • 符合法規與標準
  • 負責任地部署 AI 的最佳實務

動手專案與練習

  • 開發複雜的邊緣 AI 應用程式
  • 現實世界的專案與情境
  • 協作小組練習
  • 專案報告與回饋

總結與後續步驟

最低要求

  • 具備基本 AI 和機器學習概念的理解
  • 擁有程式語言使用經驗(建議使用 Python)
  • 熟悉邊緣計算與物聯網 (IoT) 概念

受訓對象

  • 開發人員
  • IT 專業人士
 14 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類