Building AI Solutions on the Edge

• 了解 AI 和机器学习概念
• 有编程语言经验（Python 推荐）
• 熟悉边缘计算概念

观众

• 开发 人员
• 数据科学家
• 科技爱好者

Building AI Solutions on the Edge 侧重于在边缘设备上逐步创建和部署 AI 模型。本课程包括实际项目和实际应用，为参与者提供直接在边缘硬件上开发和实施人工智能解决方案的实践经验。

这种由讲师指导的现场培训（在线或现场）面向中级开发人员、数据科学家和技术爱好者，他们希望获得在边缘设备上为各种应用程序部署 AI 模型的实用技能。

在培训结束时，参与者将能够：

• 了解边缘 AI 的原理及其优势。
• 设置和配置边缘计算环境。
• 开发、训练和优化用于边缘部署的 AI 模型。
• 在边缘设备上实施实用的 AI 解决方案。
• 评估和改进边缘部署模型的性能。
• 解决边缘 AI 应用程序中的道德和安全注意事项。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在现场实验室环境中动手实施。

课程自定义选项

• 如需申请本课程的定制培训，请联系我们进行安排。

边缘 AI 简介

• 定义和关键概念
• 边缘 AI 和云 AI 的区别
• 边缘 AI 的优势和用例
• 边缘设备和平台概述

设置边缘环境

• 边缘设备简介（Raspberry Pi、NVIDIA Jetson 等）
• 安装必要的软件和库
• 配置开发环境
• 为 AI 部署准备硬件

开发边缘 AI 模型

• 边缘设备的机器学习和深度学习模型概述
• 在本地和云环境中训练模型的技术
• 边缘部署的模型优化（量化、修剪等）
• 边缘 AI 开发工具和框架（TensorFlow Lite、OpenVINO 等）

在边缘设备上部署 AI 模型

• 在各种边缘硬件上部署 AI 模型的步骤
• 边缘设备上的实时数据处理和推理
• 监视和管理已部署的模型
• 实际实例和案例研究

实用的人工智能解决方案和项目

• 为边缘设备开发人工智能应用程序（例如，计算机视觉、自然语言处理）
• 动手项目：构建智能摄像头系统
• 实践项目：在边缘设备上实现语音识别
• 协作小组项目和真实场景

性能评估与优化

• 在边缘设备上评估模型性能的技术
• 用于监控和调试边缘 AI 应用程序的工具
• 优化 AI 模型性能的策略
• 解决延迟和功耗挑战

与物联网系统集成

• 将边缘 AI 解决方案与物联网设备和传感器连接起来
• Communication 协议和数据交换方法
• 构建端到端边缘 AI 和 IoT 解决方案
• 实际集成示例

道德和安全注意事项

• 确保边缘 AI 应用程序中的数据隐私和安全
• 解决 AI 模型中的偏见和公平性问题
• 符合法规和标准
• 负责任地部署 AI 的最佳实践

动手项目和练习

• 开发全面的边缘 AI 应用程序
• 真实世界的项目和场景
• 协作小组练习
• 项目演示和反馈

摘要和后续步骤