课程大纲

边缘AI与Kubernetes简介

  • 理解边缘AI的作用。
  • Kubernetes作为分布式环境的编排器。
  • 跨行业的典型用例。

适用于边缘环境的Kubernetes发行版

  • 比较K3s、MicroK8s和KubeEdge。
  • 安装和配置流程。
  • 节点需求与部署模式。

边缘AI部署架构

  • 集中式、分散式和混合边缘模型。
  • 在受限节点上分配资源。
  • 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。
  • 在有条件时使用GPU和加速器硬件。
  • 管理分布式设备上的模型更新。

通信与连接策略

  • 处理间歇性和不稳定的网络状况。
  • 边缘到云数据的同步技术。
  • 消息队列和协议考量。

边缘的可观测性与监控

  • 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

  • 通过部署策略减少延迟。
  • 存储和缓存考量。
  • 调整计算资源以提高推理效率。

总结与下一步

要求

  • 了解容器化应用。
  • 具备Kubernetes管理经验。
  • 熟悉边缘计算概念。

受众

  • 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。
  • 设计连接环境的边缘架构师。
 21 小时

客户评论 (5)

即将举行的公开课程

课程分类