課程簡介

邊緣AI與Kubernetes簡介

  • 理解邊緣AI的作用。
  • Kubernetes作爲分佈式環境的編排器。
  • 跨行業的典型用例。

適用於邊緣環境的Kubernetes發行版

  • 比較K3s、MicroK8s和KubeEdge。
  • 安裝和配置流程。
  • 節點需求與部署模式。

邊緣AI部署架構

  • 集中式、分散式和混合邊緣模型。
  • 在受限節點上分配資源。
  • 多節點和遠程集羣拓撲。

在邊緣部署機器學習模型

  • 使用容器打包推理工作負載。
  • 在有條件時使用GPU和加速器硬件。
  • 管理分佈式設備上的模型更新。

通信與連接策略

  • 處理間歇性和不穩定的網絡狀況。
  • 邊緣到雲數據的同步技術。
  • 消息隊列和協議考量。

邊緣的可觀測性與監控

  • 輕量級監控方法。
  • 從遠程節點收集遙測數據。
  • 調試分佈式推理工作流。

邊緣AI部署的安全性

  • 保護受限設備上的數據和模型。
  • 安全啓動和可信執行策略。
  • 跨節點的身份驗證和授權。

邊緣工作負載的性能優化

  • 通過部署策略減少延遲。
  • 存儲和緩存考量。
  • 調整計算資源以提高推理效率。

總結與下一步

最低要求

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

受衆

  • 部署分佈式設備的物聯網工程師。
  • 構建智能應用的雲原生開發者。
  • 設計連接環境的邊緣架構師。
 21 時間:

人數


每位參與者的報價

客戶評論 (5)

即將到來的課程

課程分類