感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
邊緣與代理式 AI 簡介
- 代理式 AI 與邊緣計算概述
- 延遲、隱私與頻寬考量
- 架構比較：雲端 vs. 邊緣代理
設計輕量級代理架構
- 為受限系統拆解代理循環
- 用於高效能計算的非同步設計
- 平衡自主性與連線能力
設定開發環境
- 安裝邊緣 AI 所需的 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
實作裝置端推論
- 轉換與量化模型以部署於邊緣
- 使用 TensorFlow Lite 和 ONNX Runtime 執行推論
- 將推論結果整合至代理決策循環
代理與硬體及 IoT 的整合
- 連接感測器、執行器與 IoT 模組
- 本地資料收集與處理管道
- 離線運作與事件觸發行為
最佳化與監控
- 針對低功耗與高速進行效能調校
- 邊緣快取與模型壓縮技術
- 監控與除錯邊緣代理
實作專案：在邊緣硬體上部署輕量級代理
- 為 IoT 或機器人任務設計小型自主代理
- 實作模型推論與本地邏輯
- 針對延遲與可靠性進行測試與最佳化
總結與下一步
最低要求
- 具備 Python 程式設計經驗
- 對機器學習工作流程有基本了解
- 熟悉嵌入式系統或邊緣計算概念
目標受眾
- 將 AI 整合至硬體系統的嵌入式開發者
- 設計裝置端推論方案的邊緣 ML 工程師
- 部署代理式 AI 以實現自主運作的機器人團隊
21 小時
