联系我们
 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)

即将举行的公开课程

课程分类