聯繫我們

課程簡介

邊緣與智能體 AI 簡介

  • 智能體 AI 與邊緣運算概覽。
  • 延遲、隱私與頻寬考量。
  • 架構比較:雲端 vs. 邊緣智能體。

設計輕量級智能體架構

  • 為資源受限系統拆解智能體迴圈。
  • 採用非同步設計以實現高效能運算。
  • 平衡自主性與連線能力。

建置開發環境

  • 安裝用於邊緣 AI 的 Python 框架。
  • 設定 TensorFlow Lite 和 PyTorch Mobile。
  • 在 Raspberry Pi 或類似裝置上部署測試環境。

實現設備端推理

  • 轉換並量化模型以進行邊緣部署。
  • 使用 TensorFlow Lite 和 ONNX Runtime 執行推理。
  • 將推理結果整合至智能體決策迴圈。

將智能體整合至硬體與 IoT

  • 連接感測器、致動器和 IoT 模組。
  • 本地資料收集與處理管線。
  • 離線運作與事件觸發行為。

最佳化與監控

  • 針對低功耗與高速運行的效能微調。
  • 邊緣快取與模型壓縮技術。
  • 監控與除錯邊緣智能體。

實作專案:在邊緣硬體上部署輕量級智能體

  • 為 IoT 或機器人任務設計小型自主智能體。
  • 實現模型推理與本地邏輯。
  • 測試並最佳化延遲與可靠性。

總結與後續步驟

最低要求

  • 具備 Python 程式設計經驗。
  • 對機器學習工作流程有基礎理解。
  • 熟悉嵌入式或邊緣運算概念。

受眾

  • 將 AI 整合至硬體系統的嵌入式開發者。
  • 設計設備端推理方案的邊緣 ML 工程師。
  • 部署智能體 AI 以實現自主運作的機器人團隊。
 21 小時

人數


每位參與者的報價

即將到來的課程

課程分類