课程大纲

边缘 AI 简介

  • 定义和关键概念
  • 边缘 AI 和云 AI 的区别
  • 边缘 AI 的优势和挑战
  • 边缘 AI 应用概述

边缘 AI 架构

  • 边缘 AI 系统的组件
  • 硬件和软件要求
  • 边缘 AI 应用程序中的数据流
  • 与现有系统集成

设置边缘 AI 环境

  • 边缘 AI 平台简介(Raspberry Pi、NVIDIA Jetson 等)
  • 安装必要的软件和库
  • 配置开发环境
  • 初始化 Edge AI 设置

开发边缘 AI 模型

  • 边缘设备的机器学习和深度学习模型概述
  • 专门用于边缘部署的训练模型
  • 优化边缘设备模型的技术
  • 边缘 AI 开发的工具和框架(TensorFlow Lite、OpenVINO 等)

Data Management 和边缘 AI 的预处理

  • 边缘环境的数据收集技术
  • 边缘设备的数据预处理和增强
  • 管理边缘设备上的数据管道
  • 确保边缘环境中的数据隐私和安全

部署边缘 AI 应用程序

  • 在各种边缘设备上部署模型的步骤
  • 监视和管理已部署模型的技术
  • 边缘设备上的实时数据处理和推理
  • 部署的案例研究和实际实例

将边缘 AI 与物联网系统集成

  • 将边缘 AI 解决方案与物联网设备和传感器连接起来
  • Communication 协议和数据交换方法
  • 构建端到端边缘 AI 和 IoT 解决方案
  • 实际示例和用例

Use Case和应用

  • 边缘 AI 的行业特定应用
  • 医疗保健、汽车和智能家居领域的深入案例研究
  • 成功案例和经验教训
  • 边缘 AI 的未来趋势和机遇

道德考量和最佳实践

  • 确保边缘 AI 部署中的隐私和安全
  • 解决边缘 AI 模型中的偏见和公平性问题
  • 符合法规和标准
  • 负责任地部署 AI 的最佳实践

动手项目和练习

  • 开发复杂的边缘 AI 应用程序
  • 真实世界的项目和场景
  • 协作小组练习
  • 项目演示和反馈

摘要和后续步骤

要求

  • 了解基本的 AI 和机器学习概念
  • 有编程语言经验(Python 推荐)
  • 熟悉边缘计算和物联网概念

观众

  • 开发 人员
  • IT 专业人员
 14 小时

即将举行的公开课程

课程分类