Federated Learning and Edge AI培訓

本次由講師指導的線下或線上培訓，面向中級電信專業人員、AI工程師和物聯網專家，旨在探討5G網絡如何加速邊緣AI應用。

培訓結束後，學員將能夠：

• 瞭解5G技術的基礎知識及其對邊緣AI的影響。
• 在5G環境中部署針對低延遲應用優化的AI模型。
• 利用邊緣AI和5G連接實現即時決策系統。
• 優化AI工作負載，提升邊緣設備的性能。

6G與智能邊緣是一門前瞻性課程，探討6G無線技術與邊緣計算、物聯網生態系統及AI驅動數據處理的結合，以支持智能、低延遲和自適應基礎設施。

本課程爲講師指導的培訓（線上或線下），面向中級IT架構師，旨在幫助他們理解並設計下一代分佈式架構，充分利用6G連接與智能邊緣系統的協同效應。

完成本課程後，學員將能夠：

• 理解6G將如何改變邊緣計算和物聯網架構。
• 設計超低延遲、高帶寬和自主操作的分佈式系統。
• 在邊緣集成AI和數據分析，實現智能決策。
• 規劃可擴展、安全且具備彈性的6G就緒邊緣基礎設施。
• 評估6G與邊緣融合帶來的業務和運營模式。

課程形式

• 互動式講座與討論。
• 案例研究與實際架構設計練習。
• 使用可選邊緣或容器工具進行動手模擬。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本次講師指導的培訓在香港（線上或線下）面向希望掌握邊緣AI最新進展、優化AI模型以進行邊緣部署，並探索各行業專門應用的高級AI從業者、研究人員和開發者。

培訓結束後，學員將能夠：

• 探索邊緣AI模型開發和優化的高級技術。
• 實施在邊緣設備上部署AI模型的前沿策略。
• 利用專門工具和框架進行高級邊緣AI應用。
• 優化邊緣AI解決方案的性能和效率。
• 探索邊緣AI的創新用例和新興趨勢。
• 解決邊緣AI部署中的高級倫理和安全問題。

這種由講師指導的 香港 現場培訓（在線或現場）面向希望掌握尖端 Federated Learning 技術並將其應用於大型 AI 專案的高級專業人員。

在本次培訓結束時，參與者將能夠：

• 優化 Federated Learning 演算法以提高性能。
• 處理 Federated Learning 中的非 IID 數據分佈。
• 擴展 Federated Learning 個系統以進行大規模部署。
• 解決高級 Federated Learning 場景中的隱私、安全和道德注意事項。

本次由講師指導的線下或線上培訓，面向中級開發者、數據科學家和技術愛好者，旨在幫助他們掌握在各種應用中在邊緣設備上部署AI模型的實用技能。

培訓結束後，參與者將能夠：

• 理解Edge 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。
• 在邊緣設備上實現實用的AI解決方案。
• 評估並改進邊緣部署模型的性能。
• 解決Edge AI應用中的倫理和安全問題。

本次由講師指導的線下或線上培訓，面向高級網絡安全專業人士、AI工程師和物聯網開發者，旨在幫助他們爲Edge AI系統實施強大的安全措施和彈性策略。

培訓結束後，參與者將能夠：

• 瞭解Edge AI部署中的安全風險和漏洞。
• 實施加密和認證技術以保護數據。
• 設計能夠抵禦網絡威脅的彈性Edge AI架構。
• 在邊緣環境中應用安全的AI模型部署策略。

Cambricon MLUs (Machine Learning 单元) 是专为边缘和数据中心场景中的推理和训练优化的AI芯片。

本次由讲师指导的培训（线上或线下）面向中级开发者，旨在帮助他们使用BANGPy框架和Neuware SDK在Cambricon MLU硬件上构建和部署AI模型。

通过本次培训，参与者将能够：

• 设置和配置BANGPy和Neuware开发环境。
• 开发和优化基于Python和C++的模型，适用于Cambricon MLUs。
• 将模型部署到运行Neuware运行时的边缘和数据中心设备。
• 将ML工作流与MLU特定的加速功能集成。

课程形式

• 互动式讲座和讨论。
• 动手实践，使用BANGPy和Neuware进行开发和部署。
• 指导练习，专注于优化、集成和测试。

课程定制选项

• 如需根据您的Cambricon设备型号或使用场景定制本次培训，请联系我们安排。

華爲的Ascend CANN工具包能夠在邊緣設備（如Ascend 310）上實現強大的AI推理。CANN提供了在計算和內存受限的環境中編譯、優化和部署模型所需的必要工具。

本次由講師指導的培訓（線上或線下）面向希望使用CANN工具鏈在Ascend邊緣設備上部署和優化模型的中級AI開發人員和集成人員。

培訓結束後，學員將能夠：

• 使用CANN工具爲Ascend 310準備和轉換AI模型。
• 使用MindSpore Lite和AscendCL構建輕量級推理管道。
• 在計算和內存受限的環境中優化模型性能。
• 在實際邊緣用例中部署和監控AI應用。

課程形式

• 互動講座與演示。
• 針對邊緣特定模型和場景的實踐操作。
• 在虛擬或物理邊緣硬件上進行即時部署示例。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們進行安排。

本課程爲講師主導的培訓，在香港（線上或線下）進行，面向初級到中級水平的農業科技專業人士、物聯網專家和AI工程師，旨在幫助他們開發和部署邊緣AI解決方案，用於智能農業。

培訓結束後，學員將能夠：

• 瞭解邊緣AI在精準農業中的作用。
• 實施AI驅動的作物和牲畜監測系統。
• 開發自動化灌溉和環境感知解決方案。
• 利用即時邊緣AI分析優化農業效率。

這種由 講師指導的 香港 現場培訓（在線或現場）面向希望學習 Federated Learning 基礎知識及其實際應用的初級專業人士。

在本次培訓結束時，參與者將能夠：

• 理解 Federated Learning 的原理。
• 實現基本的 Federated Learning 演算法。
• 使用 Federated Learning 解決數據隱私問題。
• 將 Federated Learning 集成到現有的 AI 工作流中。

這種由講師指導的 香港 現場培訓（在線或現場）面向希望應用 Federated Learning 技術來增強金融行業數據隱私和協作 AI 的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 了解財務中 Federated Learning 的原則和優勢。
• 為保護隱私的金融應用程序實施 Federated Learning 模型。
• 在不影響隱私的情況下協作分析財務數據。
• 將 Federated Learning 應用於實際的財務場景，例如欺詐檢測和風險管理。

這種由講師指導的 香港 現場培訓（在線或現場）面向希望將 Federated Learning 應用於醫療保健場景的中級專業人員，確保數據隱私和跨機構的有效協作。

在本次培訓結束時，參與者將能夠：

• 瞭解 Federated Learning 在醫療保健中的作用。
• 實施 Federated Learning 模型，同時確保患者數據隱私。
• 跨多個醫療保健機構協作進行 AI 模型訓練。
• 將 Federated Learning 應用於現實世界的醫療保健案例研究。

這種講師指導的現場培訓在 香港（在線或現場）進行，面向希望應用 Federated Learning 來優化IoT和邊緣計算解決方案的中級專業人士。

在本次培訓結束時，參與者將能夠：

• 瞭解 Federated Learning 在IoT和邊緣計算中的原理和優勢。
• 在 IoT 設備上實施 Federated Learning 模型以進行去中心化的 AI 處理。
• 減少延遲並改進邊緣計算環境中的實時決策。
• 解決與IoT系統中的數據隱私和網路限制相關的挑戰。

這種由講師指導的 香港 現場培訓（在線或現場）面向希望理解和應用 Federated Learning 以確保 AI 開發中的數據隱私的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 Federated Learning 的原理和優勢。
• 使用 Federated Learning 技術實現隱私保護機器學習模型。
• 解決分散式 AI 訓練中的數據隱私挑戰。
• 將 Federated Learning 應用於各個行業的實際場景。

本次由講師指導的線下或線上培訓，面向中級AI和數據專業人士，旨在幫助他們理解並實施Federated Learning技術，以實現跨分佈式數據源的隱私保護機器學習和協作AI解決方案。

培訓結束後，參與者將能夠：

• 理解Federated Learning的核心概念與優勢。
• 實施AI模型的分佈式訓練策略。
• 應用Federated Learning技術，確保數據敏感型協作的安全性。
• 探索Federated Learning在醫療和金融領域的案例與實踐。