聯繫我們

課程簡介

邊緣人工智慧與物聯網簡介

  • 邊緣AI的定義與關鍵概念
  • 物聯網系統與架構概覽
  • 將邊緣AI整合至物聯網的優勢與挑戰
  • 實際應用案例與使用情境

物聯網用邊緣AI架構

  • 邊緣AI系統的構成要素
  • 硬體與軟體需求
  • 具備邊緣AI功能的物聯網應用程式資料流程
  • 與現有物聯網系統整合

建立邊緣AI與物聯網環境

  • 常見物聯網平台簡介(例如:Arduino、Raspberry Pi、NVIDIA Jetson)
  • 安裝必要的軟體和函式庫
  • 配置開發環境
  • 初始化邊緣AI與物聯網設置

為物聯網設備開發AI模型

  • 邊緣和物聯網機器學習及深度學習模型概覽
  • 訓練和優化適合物聯網部署的模型
  • 邊緣AI開發工具與框架(如TensorFlow Lite、OpenVINO等)
  • 模型壓縮與優化技術

物聯網中的數據管理與預處理

  • 物聯網環境中的數據收集技術
  • 邊緣設備所需的數據預處理與增強方法
  • 在物聯網設備上管理數據管道
  • 確保物聯網環境中的數據隱私與安全性

將邊緣AI模型部署到物聯網設備

  • 在物聯網邊緣設備上部署AI模型的步驟
  • 監控和管理已部署模型的技巧
  • 在物聯網設備上執行即時數據處理與推論
  • 部署案例研究與實例

將邊緣AI整合至物聯網協議和平台

  • 物聯網通訊協議概覽(MQTT、CoAP、HTTP等)
  • 將邊緣AI解決方案連接至物聯網感測器與執行器
  • 構建端到端的邊緣AI和物聯網解決方案
  • 實際範例與使用案例

使用案例與應用

  • 產業特定領域的邊緣AI在物聯網中的應用
  • 智慧家居、工業物聯網、醫療保健等深入案例分析
  • 成功故事與經驗教訓
  • 邊緣AI在物聯網中的未來趨勢與機會

倫理考量與最佳實踐

  • 確保邊緣AI和物聯網部署中的隱私與安全
  • 解決AI模型中的偏差與公平性問題
  • 符合法規與標準要求
  • 負責任地部署物聯網AI的最佳實踐方法

實作專案與練習

  • 開發複雜的邊緣AI物聯網應用程式
  • 真實世界項目與情境模擬
  • 小組協作練習
  • 專案展示與反饋

總結與下一步行動

最低要求

  • 具備基礎人工智慧和機器學習概念的理解
  • 具有程式語言經驗(建議使用Python)
  • 熟悉物聯網相關概念與技術

受訓對象

  • 物聯網開發者
  • 系統架構師
  • 業界專業人士
 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