TinyML在物聯網應用中的實踐培訓

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。

本次由講師指導的培訓（線上或線下）面向中級IT專業人士和業務經理，旨在幫助他們瞭解物聯網和邊緣計算在提高效率、實現即時處理和推動各行業創新方面的潛力。

培訓結束後，學員將能夠：

• 理解物聯網和邊緣計算的原理及其在數字化轉型中的作用。
• 識別物聯網和邊緣計算在製造、物流和能源領域的應用場景。
• 區分邊緣計算與雲計算的架構及部署場景。
• 實施邊緣計算解決方案，用於預測性維護和即時決策。

本次由講師指導的線下或線上培訓，面向中級開發人員、系統架構師和行業專業人士，旨在幫助他們利用Edge AI增強物聯網應用的智能數據處理和分析能力。

培訓結束後，學員將能夠：

• 理解Edge AI的基礎知識及其在物聯網中的應用。
• 爲物聯網設備設置和配置Edge AI環境。
• 在邊緣設備上開發和部署用於物聯網應用的AI模型。
• 在物聯網系統中實現即時數據處理和決策。
• 將Edge AI與各種物聯網協議和平臺集成。
• 解決Edge AI在物聯網中的倫理問題和最佳實踐。

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。

本次由講師指導的培訓（線上或線下）面向中級嵌入式系統工程師和AI開發者，旨在幫助他們使用TensorFlow Lite和Edge Impulse在微控制器上部署機器學習模型。

培訓結束後，參與者將能夠：

• 理解TinyML的基礎知識及其在邊緣AI應用中的優勢。
• 爲TinyML項目設置開發環境。
• 在低功耗微控制器上訓練、優化和部署AI模型。
• 使用TensorFlow Lite和Edge Impulse實現實際TinyML應用。
• 優化AI模型以提升能效並滿足內存限制。

本次由講師指導的培訓在香港（線上或線下）面向希望瞭解TinyML基礎知識、探索其應用並在微控制器上部署AI模型的初級工程師和數據科學家。

培訓結束後，參與者將能夠：

• 理解TinyML的基礎知識及其重要性。
• 在微控制器和邊緣設備上部署輕量級AI模型。
• 優化和微調機器學習模型以實現低功耗。
• 將TinyML應用於實際應用，如手勢識別、異常檢測和音頻處理。

本次由講師主導的香港（線上或線下）培訓，面向希望在高能效硬件上實現AI驅動的TinyML技術的中級嵌入式工程師、物聯網開發者和AI研究人員。

培訓結束後，參與者將能夠：

• 理解TinyML和邊緣AI的基礎知識。
• 在微控制器上部署輕量級AI模型。
• 優化AI推理以實現低功耗。
• 將TinyML與實際物聯網應用集成。