感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程时长 21 小时
课程大纲
Edge AI和Kubernetes简介
- 理解AI在边缘的角色
- Kubernetes作为分布式环境的编排器
- 各行业的典型用例
适用于边缘环境的Kubernetes发行版
- 比较K3s、MicroK8s和KubeEdge
- 安装和配置工作流程
- 节点要求和部署模式
边缘AI部署的架构
- 集中式、分散式和混合边缘模型
- 跨受限节点的资源分配
- 多节点和远程集群拓扑
在边缘部署机器学习模型
- 使用容器打包推理工作负载
- 在可用时使用GPU和加速器硬件
- 管理分布式设备上的模型更新
沟通和连接策略
- 处理间歇性和不稳定的网络状况
- 边缘到云端数据的同步技术
- 消息队列和协议考虑
边缘的可观测性和监控
- 轻量级监控方法
- 从远程节点收集遥测数据
- 调试分布式推理工作流
边缘AI部署的安全性
- 保护受限设备上的数据和模型
- 安全启动和可信执行策略
- 跨节点的身份验证和授权
边缘工作负载的性能优化
- 通过部署策略降低延迟
- 存储和缓存考虑
- 调整计算资源以提高推理效率
总结和后续步骤
要求
- 理解容器化应用
- 有Kubernetes管理经验
- 熟悉边缘计算概念
目标学员
- 部署分布式设备的物联网工程师
- 构建智能应用的云原生开发者
- 设计互联环境的边缘架构师
客户评论 (2)
如前所述,对于像我这样没有经验的人来说,这是了解这些程序或工具功能与用途的入门途径。
Patrick V. Duylovski - UBB + DZI (KBC GROUP)
课程 - Docker and Kubernetes
机器翻译
对容器/Kubernetes及其交互方式的基本理解 OpenShift平台的功能
Eric Scholze - NOW IT GmbH
课程 - Introduction to Containers, Kubernetes & OpenShift
机器翻译