聯繫我們
 課程時長 21 時間:

課程簡介

邊緣 AI 與 Kubernetes 簡介

  • 理解 AI 在邊緣端的角色
  • Kubernetes 作為分散式環境的調度器
  • 跨產業的典型應用案例

邊緣環境用的 Kubernetes 發行版

  • K3s、MicroK8s 與 KubeEdge 的比較
  • 安裝與設定工作流
  • 節點需求與部署模式

邊緣 AI 部署架構

  • 集中式、分散式與混合型邊緣模型
  • 跨資源受限節點的資源分配
  • 多節點與遠端叢集拓撲

在邊緣端部署機器學習模型

  • 使用容器封裝推理工作負載
  • 在可用時利用 GPU 與加速器硬體
  • 管理分散式裝置上的模型更新

通訊與連接策略

  • 應對間歇性與不穩定的網路狀況
  • 邊緣至雲端的數據同步技術
  • 訊息佇列與協定考量

邊緣端的可觀測性與監控

  • 輕量級監控方法
  • 收集遠端節點的遙測數據
  • 除錯分散式推理工作流

邊緣 AI 部署的安全性

  • 保護受限裝置上的數據與模型
  • 安全啟動與可信執行策略
  • 跨節點的驗證與授權

邊緣工作負載的性能最佳化

  • 透過部署策略降低延遲
  • 儲存與快取考量
  • 調優計算資源以提升推理效率

總結與下一步

最低要求

  • 理解容器化應用概念
  • 具備 Kubernetes 管理經驗
  • 熟悉邊緣計算概念

目標受眾

  • 部署分散式裝置的 IoT 工程師
  • 建構智慧應用的雲原生開發人員
  • 設計連接環境的邊緣架構師

人數


每位參與者的報價

客戶評論 (2)

即將到來的課程

課程分類