課程簡介

邊緣 AI 和 IoT 簡介

  • 邊緣 AI 的定義和關鍵概念
  • 物聯網系統和架構概述
  • 將邊緣 AI 與物聯網整合的優勢和挑戰
  • 實際應用和用例

面向物聯網的邊緣 AI 架構

  • 用於物聯網的邊緣 AI 系統的元件
  • 硬體和軟體要求
  • 支援邊緣 AI 的 IoT 應用程式中的數據流
  • 與現有物聯網系統集成

設置邊緣 AI 和 IoT 環境

  • 介紹流行的物聯網平臺(例如 Arduino、Raspberry Pi、NVIDIA Jetson)
  • 安裝必要的軟體和庫
  • 配置開發環境
  • 初始化邊緣 AI 和 IoT 設置

為物聯網設備開發 AI 模型

  • 邊緣和IoT的機器學習和深度學習模型概述
  • 訓練和優化IoT部署模型
  • 邊緣 AI 開發的工具和框架(TensorFlow Lite、OpenVINO 等)
  • 模型壓縮和優化技術

Data Management 和物聯網中的預處理

  • IoT 環境的數據收集技術
  • 邊緣設備的數據預處理和增強
  • 管理 IoT 裝置上的資料管道
  • 確保物聯網環境中的數據隱私和安全

在物聯網設備上部署邊緣 AI 模型

  • 在IoT邊緣設備上部署 AI 模型的步驟
  • 監視和管理已部署模型的技術
  • 物聯網設備上的即時數據處理和推理
  • 部署的案例研究和實際實例

將邊緣 AI 與物聯網協定和平臺整合

  • 物聯網通信協定(MQTT、CoAP、HTTP等)概述
  • 將邊緣 AI 解決方案與物聯網感測器和執行器連接起來
  • 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 在物聯網中的行業特定應用
  • 智慧家居、工業物聯網、醫療保健等領域的深入案例研究
  • 成功案例和經驗教訓
  • 面向物聯網的邊緣 AI 的未來趨勢和機遇

道德考量和最佳實踐

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

動手項目和練習

  • 開發面向物聯網的複雜邊緣 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

最低要求

  • 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)
  • 熟悉物聯網概念和技術

觀眾

  • 物聯網開發人員
  • 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