课程大纲

边缘 AI 和 IoT 简介

  • 边缘 AI 的定义和关键概念
  • 物联网系统和架构概述
  • 将边缘 AI 与物联网集成的优势和挑战
  • 实际应用和用例

面向物联网的边缘 AI 架构

  • 用于物联网的边缘 AI 系统的组件
  • 硬件和软件要求
  • 支持边缘 AI 的 IoT 应用程序中的数据流
  • 与现有物联网系统集成

设置边缘 AI 和 IoT 环境

  • 介绍流行的物联网平台(例如 Arduino、Raspberry Pi、NVIDIA Jetson)
  • 安装必要的软件和库
  • 配置开发环境
  • 初始化边缘 AI 和 IoT 设置

为物联网设备开发 AI 模型

  • 边缘和 IoT 的机器学习和深度学习模型概述
  • 训练和优化 IoT 部署模型
  • 边缘 AI 开发的工具和框架(TensorFlow Lite、OpenVINO 等)
  • 模型压缩和优化技术

Data Management 和物联网中的预处理

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

在物联网设备上部署边缘 AI 模型

  • 在 IoT 边缘设备上部署 AI 模型的步骤
  • 监视和管理已部署模型的技术
  • 物联网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 与物联网协议和平台集成

  • 物联网通信协议(MQTT、CoAP、HTTP等)概述
  • 将边缘 AI 解决方案与物联网传感器和执行器连接起来
  • 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 在物联网中的行业特定应用
  • 智能家居、工业物联网、医疗保健等领域的深入案例研究
  • 成功案例和经验教训
  • 面向物联网的边缘 AI 的未来趋势和机遇

道德考量和最佳实践

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

动手项目和练习

  • 开发面向物联网的复杂边缘 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)
  • 熟悉物联网概念和技术

观众

  • 物联网开发人员
  • 系统架构师
  • 行业专业人士
 14 小时

即将举行的公开课程

课程分类