Federated Learning and Edge AI 培训

本次由讲师指导的线下或线上培训，面向中级电信专业人员、AI工程师和物联网专家，旨在探讨5G网络如何加速边缘AI应用。

培训结束后，学员将能够：

• 了解5G技术的基础知识及其对边缘AI的影响。
• 在5G环境中部署针对低延迟应用优化的AI模型。
• 利用边缘AI和5G连接实现实时决策系统。
• 优化AI工作负载，提升边缘设备的性能。

6G与智能边缘是一门前瞻性课程，探讨6G无线技术与边缘计算、物联网生态系统及AI驱动数据处理的结合，以支持智能、低延迟和自适应基础设施。

本课程为讲师指导的培训（线上或线下），面向中级IT架构师，旨在帮助他们理解并设计下一代分布式架构，充分利用6G连接与智能边缘系统的协同效应。

完成本课程后，学员将能够：

• 理解6G将如何改变边缘计算和物联网架构。
• 设计超低延迟、高带宽和自主操作的分布式系统。
• 在边缘集成AI和数据分析，实现智能决策。
• 规划可扩展、安全且具备弹性的6G就绪边缘基础设施。
• 评估6G与边缘融合带来的业务和运营模式。

课程形式

• 互动式讲座与讨论。
• 案例研究与实际架构设计练习。
• 使用可选边缘或容器工具进行动手模拟。

课程定制选项

• 如需定制本课程，请联系我们安排。

本次讲师指导的培训在中国（线上或线下）面向希望掌握边缘AI最新进展、优化AI模型以进行边缘部署，并探索各行业专门应用的高级AI从业者、研究人员和开发者。

培训结束后，学员将能够：

• 探索边缘AI模型开发和优化的高级技术。
• 实施在边缘设备上部署AI模型的前沿策略。
• 利用专门工具和框架进行高级边缘AI应用。
• 优化边缘AI解决方案的性能和效率。
• 探索边缘AI的创新用例和新兴趋势。
• 解决边缘AI部署中的高级伦理和安全问题。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望掌握尖端 Federated Learning 技术并将其应用于大型 AI 专案的高级专业人员。

在本次培训结束时，参与者将能够：

• 优化 Federated Learning 演算法以提高性能。
• 处理 Federated Learning 中的非 IID 数据分布。
• 扩展 Federated Learning 个系统以进行大规模部署。
• 解决高级 Federated Learning 场景中的隐私、安全和道德注意事项。

本次由讲师指导的线下或线上培训，面向中级开发者、数据科学家和技术爱好者，旨在帮助他们掌握在各种应用中在边缘设备上部署AI模型的实用技能。

培训结束后，参与者将能够：

• 理解Edge AI的原理及其优势。
• 设置和配置边缘计算环境。
• 开发、训练和优化用于边缘部署的AI模型。
• 在边缘设备上实现实用的AI解决方案。
• 评估并改进边缘部署模型的性能。
• 解决Edge AI应用中的伦理和安全问题。

本次由讲师指导的线下或线上培训，面向高级网络安全专业人士、AI工程师和物联网开发者，旨在帮助他们为Edge AI系统实施强大的安全措施和弹性策略。

培训结束后，参与者将能够：

• 了解Edge AI部署中的安全风险和漏洞。
• 实施加密和认证技术以保护数据。
• 设计能够抵御网络威胁的弹性Edge AI架构。
• 在边缘环境中应用安全的AI模型部署策略。

Cambricon MLUs（Machine Learning单元）是专为边缘和数据中心场景中的推理和训练优化的AI芯片。

本次由讲师指导的培训（线上或线下）面向中级开发者，旨在帮助他们使用BANGPy框架和Neuware SDK在Cambricon MLU硬件上构建和部署AI模型。

通过本次培训，参与者将能够：

• 设置和配置BANGPy与Neuware开发环境。
• 为Cambricon MLUs开发和优化基于Python和C++的模型。
• 将模型部署到运行Neuware运行时的边缘和数据中心设备。
• 将机器学习工作流与MLU特定的加速功能集成。

课程形式

• 互动式讲座和讨论。
• 动手实践BANGPy和Neuware进行开发和部署。
• 专注于优化、集成和测试的指导练习。

课程定制选项

• 如需根据您的Cambricon设备型号或使用场景定制本课程，请联系我们安排。

华为的Ascend CANN工具包能够在边缘设备（如Ascend 310）上实现强大的AI推理。CANN提供了在计算和内存受限的环境中编译、优化和部署模型所需的必要工具。

本次由讲师指导的培训（线上或线下）面向希望使用CANN工具链在Ascend边缘设备上部署和优化模型的中级AI开发人员和集成人员。

培训结束后，学员将能够：

• 使用CANN工具为Ascend 310准备和转换AI模型。
• 使用MindSpore Lite和AscendCL构建轻量级推理管道。
• 在计算和内存受限的环境中优化模型性能。
• 在实际边缘用例中部署和监控AI应用。

课程形式

• 互动讲座与演示。
• 针对边缘特定模型和场景的实践操作。
• 在虚拟或物理边缘硬件上进行实时部署示例。

课程定制选项

• 如需为本课程定制培训，请联系我们进行安排。

本课程为讲师主导的培训，在中国（线上或线下）进行，面向初级到中级水平的农业科技专业人士、物联网专家和AI工程师，旨在帮助他们开发和部署边缘AI解决方案，用于智能农业。

培训结束后，学员将能够：

• 了解边缘AI在精准农业中的作用。
• 实施AI驱动的作物和牲畜监测系统。
• 开发自动化灌溉和环境感知解决方案。
• 利用实时边缘AI分析优化农业效率。

这种由 讲师指导的 中国 现场培训（在线或现场）面向希望学习 Federated Learning 基础知识及其实际应用的初级专业人士。

在本次培训结束时，参与者将能够：

• 理解 Federated Learning 的原理。
• 实现基本的 Federated Learning 演算法。
• 使用 Federated Learning 解决数据隐私问题。
• 将 Federated Learning 集成到现有的 AI 工作流中。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望应用 Federated Learning 技术来增强金融行业数据隐私和协作 AI 的中级专业人员。

在本次培训结束时，参与者将能够：

• 了解财务中 Federated Learning 的原则和优势。
• 为保护隐私的金融应用程序实施 Federated Learning 模型。
• 在不影响隐私的情况下协作分析财务数据。
• 将 Federated Learning 应用于实际的财务场景，例如欺诈检测和风险管理。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望将 Federated Learning 应用于医疗保健场景的中级专业人员，确保数据隐私和跨机构的有效协作。

在本次培训结束时，参与者将能够：

• 了解 Federated Learning 在医疗保健中的作用。
• 实施 Federated Learning 模型，同时确保患者数据隐私。
• 跨多个医疗保健机构协作进行 AI 模型训练。
• 将 Federated Learning 应用于现实世界的医疗保健案例研究。

这种讲师指导的现场培训在 中国（在线或现场）进行，面向希望应用 Federated Learning 来优化IoT和边缘计算解决方案的中级专业人士。

在本次培训结束时，参与者将能够：

• 了解 Federated Learning 在IoT和边缘计算中的原理和优势。
• 在 IoT 设备上实施 Federated Learning 模型以进行去中心化的 AI 处理。
• 减少延迟并改进边缘计算环境中的实时决策。
• 解决与IoT系统中的数据隐私和网路限制相关的挑战。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望理解和应用 Federated Learning 以确保 AI 开发中的数据隐私的中级专业人员。

在本次培训结束时，参与者将能够：

• 了解 Federated Learning 的原理和优势。
• 使用 Federated Learning 技术实现隐私保护机器学习模型。
• 解决分散式 AI 训练中的数据隐私挑战。
• 将 Federated Learning 应用于各个行业的实际场景。

本次由讲师指导的线下或线上培训，面向中级AI和数据专业人士，旨在帮助他们理解并实施Federated Learning技术，以实现跨分布式数据源的隐私保护机器学习和协作AI解决方案。

培训结束后，参与者将能够：

• 理解Federated Learning的核心概念与优势。
• 实施AI模型的分布式训练策略。
• 应用Federated Learning技术，确保数据敏感型协作的安全性。
• 探索Federated Learning在医疗和金融领域的案例与实践。