聯繫我們

課程簡介

端側 AI 簡介

  • 端側機器學習基礎
  • 小型語言模型的優勢與挑戰
  • 行動裝置和物聯網裝置硬體限制概覽

面向端側部署的模型最佳化

  • 模型量化與剪枝
  • 知識蒸餾以構建更小、高效的模型
  • 選擇和適應模型以優化端側效能

平台特定的 AI 工具與框架

  • TensorFlow Lite 和 PyTorch Mobile 簡介
  • 利用平台特定函式庫進行端側 AI 開發
  • 跨平台部署策略

即時推論與邊緣運算

  • 裝置上快速高效推論的技巧
  • 利用邊緣運算進行端側 AI
  • 即時 AI 應用程式案例研究

電源管理與電池壽命考量

  • 優化 AI 應用程式的能源效率
  • 平衡效能與功耗
  • 延長 AI 驅動裝置電池壽命的策略

端側 AI 的安全與隱私

  • 確保資料安全與使用者隱私
  • 端側資料處理以保護隱私
  • 安全的模型更新與維護

使用者體驗與互動設計

  • 為裝置使用者設計直覺的 AI 互動
  • 將語言模型整合至使用者介面
  • 端側 AI 的使用者測試與回饋

可擴展性與維護

  • 管理並更新已部署裝置上的模型
  • 可擴展端側 AI 解決方案策略
  • 已部署 AI 系統的監控與分析

專案與評估

  • 在選定領域開發原型,並準備部署於指定裝置
  • 展示端側 AI 解決方案
  • 根據效率、創新性和實用性進行評估

總結與後續步驟

最低要求

  • 紮實的機器學習和深度學習概念基礎
  • 精通 Python 程式語言
  • 具備 AI 部署硬體限制的基本知識

受眾

  • 機器學習工程師和 AI 開發人員
  • 對 AI 應用程式感興趣的嵌入式系統工程師
  • 監督 AI 專案的產品經理和技術主管
 21 小時

人數


每位參與者的報價

即將到來的課程

課程分類