课程大纲

Edge AI简介

  • 定义与关键概念
  • Edge AI与Cloud AI的区别
  • Edge AI的优势与挑战
  • Edge AI应用概览

Edge AI架构

  • Edge AI系统的组成部分
  • 硬件与软件需求
  • Edge AI应用中的数据流
  • 与现有系统的集成

搭建Edge AI环境

  • Edge AI平台介绍(如Raspberry Pi、NVIDIA Jetson等)
  • 安装必要的软件与库
  • 配置开发环境
  • 初始化Edge AI设置

开发Edge AI模型

  • 边缘设备上的机器学习与深度学习模型概览
  • 针对边缘部署的模型训练
  • 优化边缘设备模型的技术
  • Edge AI开发工具与框架(如TensorFlow Lite、OpenVINO等)

Edge AI中的数据管理与预处理

  • 边缘环境中的数据收集技术
  • 边缘设备上的数据预处理与增强
  • 管理边缘设备上的数据管道
  • 确保边缘环境中的数据隐私与安全

部署Edge AI应用

  • 在不同边缘设备上部署模型的步骤
  • 监控与管理已部署模型的技术
  • 边缘设备上的实时数据处理与推理
  • 部署的案例研究与实际示例

将Edge AI与物联网系统集成

  • 将Edge AI解决方案与物联网设备及传感器连接
  • 通信协议与数据交换方法
  • 构建端到端的Edge AI与物联网解决方案
  • 实际示例与用例

用例与应用

  • Edge AI的行业特定应用
  • 医疗、汽车与智能家居的深度案例研究
  • 成功案例与经验教训
  • Edge AI的未来趋势与机遇

伦理考量与最佳实践

  • 确保Edge AI部署中的隐私与安全
  • 解决Edge AI模型中的偏见与公平性问题
  • 遵守法规与标准
  • 负责任的AI部署最佳实践

实践项目与练习

  • 开发一个复杂的Edge AI应用
  • 真实世界的项目与场景
  • 协作小组练习
  • 项目展示与反馈

总结与下一步

要求

  • 对基本AI和机器学习概念的理解
  • 编程语言经验(推荐Python)
  • 熟悉边缘计算和物联网概念

受众

  • 开发者
  • IT专业人员
 14 小时

即将举行的公开课程

课程分类