感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
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
客戶評論 (1)
我們可以涵蓋高級主題,並運用實際案例
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
課程 - Advanced Edge AI Techniques
機器翻譯