Edge AI: From Concept to Implementation

• 瞭解基本的 AI 和機器學習概念
• 有程式設計語言經驗（Python 推薦）
• 熟悉邊緣計算和物聯網概念

觀眾

• 開發人員
• IT 專業人員

邊緣 AI 是直接在智慧型手機、物聯網設備和感測器等邊緣設備上部署和運行 AI 模型，實現即時數據處理和決策。

這種由講師指導的現場培訓（在線或現場）面向希望全面瞭解邊緣 AI 從概念到實際實施（包括設置和部署）的中級開發人員和 IT 專業人員。

在培訓結束時，參與者將能夠：

• 了解邊緣 AI 的基本概念。
• 設置和配置邊緣 AI 環境。
• 開發、訓練和優化邊緣 AI 模型。
• 部署和管理邊緣 AI 應用程式。
• 將邊緣 AI 與現有系統和工作流整合。
• 解決邊緣 AI 實施中的道德考慮和最佳實踐。

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在現場實驗室環境中動手實施。

課程自定義選項

• 如需申請本課程的定製培訓，請聯繫我們進行安排。

邊緣 AI 簡介

• 定義和關鍵概念
• 邊緣 AI 和雲 AI 的區別
• 邊緣 AI 的優勢和挑戰
• 邊緣 AI 應用概述

邊緣 AI 架構

• 邊緣 AI 系統的元件
• 硬體和軟體要求
• 邊緣 AI 應用程式中的數據流
• 與現有系統集成

設置邊緣 AI 環境

• 邊緣 AI 平台簡介（Raspberry Pi、NVIDIA Jetson 等）
• 安裝必要的軟體和庫
• 配置開發環境
• 初始化Edge AI設置

開發邊緣 AI 模型

• 邊緣設備的機器學習和深度學習模型概述
• 專門用於邊緣部署的訓練模型
• 優化邊緣設備模型的技術
• 邊緣 AI 開發的工具和框架（TensorFlow Lite、OpenVINO 等）

Data Management 和邊緣 AI 的預處理

• 邊緣環境的數據收集技術
• 邊緣設備的數據預處理和增強
• 管理邊緣設備上的數據管道
• 確保邊緣環境中的數據隱私和安全

部署邊緣 AI 應用程式

• 在各種邊緣設備上部署模型的步驟
• 監視和管理已部署模型的技術
• 邊緣設備上的實時數據處理和推理
• 部署的案例研究和實際實例

將邊緣 AI 與物聯網系統整合

• 將邊緣 AI 解決方案與物聯網設備和感測器連接起來
• Communication 協議和數據交換方法
• 構建端到端邊緣 AI 和 IoT 解決方案
• 實際範例和用例

Use Case和應用

• 邊緣 AI 的行業特定應用
• 醫療保健、汽車和智慧家居領域的深入案例研究
• 成功案例和經驗教訓
• 邊緣 AI 的未來趨勢和機遇

道德考量和最佳實踐

• 確保邊緣 AI 部署中的隱私和安全
• 解決邊緣 AI 模型中的偏見和公平性問題
• 符合法規和標準
• 負責任地部署 AI 的最佳實踐

動手項目和練習

• 開發複雜的邊緣 AI 應用程式
• 真實世界的項目和場景
• 協作小組練習
• 專案演示和反饋

摘要和後續步驟