Building AI Solutions on the Edge

• 瞭解 AI 和機器學習概念
• 有程式設計語言經驗（Python 推薦）
• 熟悉邊緣計算概念

觀眾

• 開發人員
• 數據科學家
• 科技愛好者

Building AI Solutions on the Edge 側重於在邊緣設備上逐步創建和部署 AI 模型。本課程包括實際專案和實際應用，為參與者提供直接在邊緣硬體上開發和實施人工智慧解決方案的實踐經驗。

這種由講師指導的現場培訓（在線或現場）面向中級開發人員、數據科學家和技術愛好者，他們希望獲得在邊緣設備上為各種應用程式部署 AI 模型的實用技能。

在培訓結束時，參與者將能夠：

• 了解邊緣 AI 的原理及其優勢。
• 設置和配置邊緣計算環境。
• 開發、訓練和優化用於邊緣部署的 AI 模型。
• 在邊緣設備上實施實用的 AI 解決方案。
• 評估和改進邊緣部署模型的性能。
• 解決邊緣 AI 應用程式中的道德和安全注意事項。

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 的優勢和用例
• 邊緣設備和平臺概述

設置邊緣環境

• 邊緣設備簡介（Raspberry Pi、NVIDIA Jetson 等）
• 安裝必要的軟體和庫
• 配置開發環境
• 為 AI 部署準備硬體

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
• 在本地和雲環境中訓練模型的技術
• 邊緣部署的模型優化（量化、修剪等）
• 邊緣 AI 開發工具和框架（TensorFlow Lite、OpenVINO 等）

在邊緣設備上部署 AI 模型

• 在各種邊緣硬體上部署 AI 模型的步驟
• 邊緣設備上的實時數據處理和推理
• 監視和管理已部署的模型
• 實際實例和案例研究

實用的人工智慧解決方案和專案

• 為邊緣設備開發人工智慧應用程式（例如，計算機視覺、自然語言處理）
• 動手專案：構建智慧攝像頭系統
• 實踐專案：在邊緣設備上實現語音辨識
• 協作小組項目和真實場景

性能評估與優化

• 在邊緣設備上評估模型性能的技術
• 用於監控和調試邊緣 AI 應用程式的工具
• 優化 AI 模型性能的策略
• 解決延遲和功耗挑戰

與物聯網系統集成

• 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
• 實際集成範例

道德和安全注意事項

• 確保邊緣 AI 應用程式中的數據隱私和安全
• 解決 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

• 開發全面的邊緣 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