課程簡介

邊緣AI與物聯網簡介

  • 邊緣AI的定義與關鍵概念
  • 物聯網系統與架構概述
  • 邊緣AI與物聯網集成的優勢與挑戰
  • 實際應用與用例

物聯網中的邊緣AI架構

  • 物聯網中邊緣AI系統的組件
  • 硬件與軟件要求
  • 支持邊緣AI的物聯網應用中的數據流
  • 與現有物聯網系統的集成

設置邊緣AI與物聯網環境

  • 常用物聯網平臺介紹(如Arduino、Raspberry Pi、NVIDIA Jetson)
  • 安裝必要的軟件與庫
  • 配置開發環境
  • 初始化邊緣AI與物聯網設置

爲物聯網設備開發AI模型

  • 適用於邊緣與物聯網的機器學習和深度學習模型概述
  • 爲物聯網部署訓練與優化模型
  • 邊緣AI開發的工具與框架(如TensorFlow Lite、OpenVINO等)
  • 模型壓縮與優化技術

物聯網中的數據管理與預處理

  • 物聯網環境中的數據收集技術
  • 邊緣設備的數據預處理與增強
  • 管理物聯網設備上的數據管道
  • 確保物聯網環境中的數據隱私與安全

在物聯網設備上部署邊緣AI模型

  • 在物聯網邊緣設備上部署AI模型的步驟
  • 監控與管理已部署模型的技術
  • 物聯網設備上的即時數據處理與推理
  • 部署案例與實例

將邊緣AI與物聯網協議和平臺集成

  • 物聯網通信協議概述(如MQTT、CoAP、HTTP等)
  • 將邊緣AI解決方案與物聯網傳感器和執行器連接
  • 構建端到端的邊緣AI與物聯網解決方案
  • 實際示例與用例

用例與應用

  • 邊緣AI在物聯網中的行業特定應用
  • 智能家居、工業物聯網、醫療等領域的深入案例研究
  • 成功故事與經驗教訓
  • 邊緣AI在物聯網中的未來趨勢與機遇

倫理考量與最佳實踐

  • 確保邊緣AI與物聯網部署中的隱私與安全
  • 解決AI模型中的偏見與公平性問題
  • 遵守法規與標準
  • 物聯網中負責任AI部署的最佳實踐

動手項目與練習

  • 爲物聯網開發複雜的邊緣AI應用
  • 實際項目與場景
  • 協作小組練習
  • 項目展示與反饋

總結與下一步

最低要求

  • 對基礎AI和機器學習概念的理解
  • 具備編程語言經驗(推薦Python)
  • 熟悉IoT概念和技術

受衆

  • IoT開發者
  • 系統架構師
  • 行業專業人士
 14 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類