聯繫我們

課程簡介

邊際 AI 與 Kubernetes 簡介

  • 理解 AI 在邊緣的角色
  • 將 Kubernetes 作為分散式環境的協調器
  • 各產業的典型用例

適用於邊緣環境的 Kubernetes 分發版本

  • 比較 K3s、MicroK8s 和 KubeEdge
  • 安裝與配置工作流程
  • 節點需求與部署模式

邊際 AI 部署架構

  • 集中式、分散式和混合邊緣模型
  • 在受限節點上的資源分配
  • 多節點與遠端叢集拓撲

在邊緣部署機器學習模型

  • 使用容器打包推論工作負載
  • 在有可用 GPU 和加速器硬體時加以利用
  • 管理分散式裝置上的模型更新

通訊與連線策略

  • 處理間歇性和不穩定的網路狀況
  • 邊緣到雲端資料的同步技術
  • 訊息佇列與通訊協定的考量

邊際的可觀察性與監控

  • 輕量級監控方法
  • 收集遠端節點的遙測資料
  • 除錯分散式推論工作流程

邊際 AI 部署的安全措施

  • 保護受限裝置上的資料與模型
  • 安全啟動與可信執行策略
  • 跨節點的認證與授權

邊緣工作負載的效能優化

  • 透過部署策略降低延遲
  • 儲存與快取的考量
  • 調整計算資源以優化推論效率

總結與後續步驟

最低要求

  • 理解容器化應用程式
  • 具備 Kubernetes 管理經驗
  • 熟悉邊緣運算概念

對象

  • 部署分散式裝置的物聯網工程師
  • 建構智能應用的雲端原生開發人員
  • 設計連線環境的邊緣架構師
 21 小時

人數


每位參與者的報價

客戶評論 (3)

即將到來的課程

課程分類