TinyML for IoT Applications 培训

这项面向中级电信专业人员、AI 工程师和物联网专家的讲师主导的现场培训（在线或现场）旨在探讨5G网络如何加速Edge AI应用程序。

培训结束时，参与者将能够：

• 了解5G技术的基本原理及其对Edge AI的影响。
• 在5G环境中部署针对低延迟应用程序优化的AI模型。
• 利用Edge AI和5G连接实现实时决策系统。
• 优化边缘设备的AI工作负载，以提高性能。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望掌握边缘 AI 最新进展、优化其 AI 模型以进行边缘部署并探索跨各个行业的专业应用的高级 AI 从业者、研究人员和开发人员。

在培训结束时，参与者将能够：

• 探索边缘 AI 模型开发和优化中的高级技术。
• 实施在边缘设备上部署 AI 模型的尖端策略。
• 将专用工具和框架用于高级边缘 AI 应用程序。
• 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 部署中的高级道德和安全注意事项。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望获得在边缘设备上为各种应用程序部署 AI 模型的实用技能的中级开发人员、数据科学家和技术爱好者。

在培训结束时，参与者将能够：

• 了解边缘 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。
• 在边缘设备上实施实用的 AI 解决方案。
• 评估和改进边缘部署模型的性能。
• 解决边缘 AI 应用程序中的道德和安全注意事项。

本课程面向希望为中国系统实施强有力的安全措施和韧性策略的高级网络安全专业人员、人工智能工程师和物联网开发人员。培训形式为在线或现场培训。

培训结束时，学员将能够：

• 了解Edge AI部署中的安全风险和漏洞。
• 实施数据保护的加密和身份验证技术。
• 设计能够抵御网络威胁的韧性Edge AI架构。
• 在边缘环境中应用安全的AI模型部署策略。

这种由讲师指导的现场培训<本地>（在线或现场）面向中级 IT 专业人员和业务经理，他们希望了解 IoT 和边缘计算在各个行业中实现效率、实时处理和创新的潜力。

在本次培训结束时，参与者将能够：

• 了解IoT和边缘计算的原理及其在数字化转型中的作用。
• 确定制造、物流和能源领域的IoT和边缘计算使用案例。
• 区分边缘计算和云计算架构和部署场景。
• 实施边缘计算解决方案，以实现预测性维护和实时决策。

这门由讲师主导的现场培训课程（在线或现场）旨在帮助初学者到中级的农技专业人员、物联网专家和人工智能工程师，帮助他们开发和部署智慧农业的Edge AI解决方案。

培训结束时，参与者将能够：

• 了解Edge AI在精准农业中的作用。
• 实施基于AI的作物和畜牧监测系统。
• 制定自动化灌溉和环境感测解决方案。
• 使用实时Edge AI分析来优化农业效率。

这种由讲师指导的现场中国（在线或现场）培训面向希望利用边缘人工智能提供创新自主系统解决方案的中级机器人工程师、自动驾驶汽车开发人员和人工智能研究人员。

在培训结束时，参与者将能够：

• 了解边缘 AI 在自主系统中的作用和优势。
• 开发和部署 AI 模型，以便在边缘设备上进行实时处理。
• 在自动驾驶汽车、无人机和机器人技术中实施边缘 AI 解决方案。
• 使用 Edge AI 设计和优化控制系统。
• 解决自主 AI 应用中的道德和监管考虑。

这种以讲师为主导的 中国（在线或现场）现场培训面向希望利用边缘 AI 通过智能数据处理和分析功能增强物联网应用程序的中级开发人员、系统架构师和行业专业人士。

在培训结束时，参与者将能够：

• 了解边缘 AI 的基础知识及其在物联网中的应用。
• 为 IoT 设备设置和配置边缘 AI 环境。
• 在边缘设备上为 IoT 应用程序开发和部署 AI 模型。
• 在物联网系统中实现实时数据处理和决策。
• 将边缘 AI 与各种物联网协议和平台集成。
• 解决面向物联网的边缘 AI 中的道德考量和最佳实践。

这种由 中国 的讲师指导式现场培训（在线或现场）面向希望使用 Edge Computing 来分散数据管理以获得更快性能的产品经理和开发人员，利用位于源网路上的智能设备。

在本次培训结束时，参与者将能够：

• 了解 Edge Computing 的基本概念和优势。
• 确定可以应用 Edge Computing 的用例和示例。
• 设计和构建 Edge Computing 解决方案，以加快数据处理速度并降低运营成本。

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。

这个面向中级嵌入式系统工程师和 AI 开发人员的以讲师为导向的实时培训（在线或现场）旨在使参加者能够使用 TensorFlow Lite 和 Edge Impulse 在微控制器上部署机器学习模型。

培训结束时，参与者将能够：

• 了解 TinyML 的基本原则及其对边缘 AI 应用程序的好处。
• 为 TinyML 项目设置开发环境。
• 在低功耗微控制器上训练、优化和部署 AI 模型。
• 使用 TensorFlow Lite 和 Edge Impulse 实现现实世界的 TinyML 应用程序。
• 对 AI 模型进行优化以提高功率效率和内存限制。

在这个由讲师指导的 中国 现场培训中，参与者将在开发和部署基于样本 NB-IoT 的应用程式时了解 NB-IoT （也称为 LTE Cat NB1）的各个方面。

在培训结束时，参与者将能够：

• 确定 NB-IoT 的不同组成部分，以及如何组合在一起形成一个生态系统。
• 了解并解释 NB-IoT 设备中内置的安全功能。
• 开发一个简单的应用程式来跟踪 NB-IoT 个设备。

ThingsBoard 是一个开源IoT平台，可为您的IoT解决方案提供设备管理、资料收集、处理和可视化。

在这个以讲师为主导的现场培训中，参与者将学习如何将 ThingsBoard 集成到他们的物联网解决方案中。

在培训结束时，参与者将能够：

• 安装与设定ThingsBoard
• 了解 ThingsBoard 功能和体系结构的基础知识
• 使用 ThingsBoard 构建IoT应用程式
• 将 ThingsBoard 与 Kafka 集成，用于遥测设备数据路由
• 将 ThingsBoard 与 Apache Spark 集成，以便从多个设备进行数据聚合

观众

• 软体工程师
• 硬体工程师
• 开发人员

课程形式

• 部分讲座，部分讨论，练习和大量的实践练习

注意

• 如需申请此课程的定制培训，请联系我们进行安排。

本课程是针对希望了解TinyML基本原理、探索其应用并在微控制器上部署人工智能模型的初学者级工程师和数据科学家的教学员工实时在线培训，地点在中国（在线或现场）。

培训结束时，参与者将能够：

• 了解TinyML的基本原理及其重要性。
• 在微控制器和边缘设备上部署轻量级的人工智能模型。
• 优化和调整机器学习模型以降低功耗。
• 将TinyML应用于手势识别、异常检测和音频处理等现实世界应用。

This instructor-led, live training in 中国 (online or onsite) is aimed at intermediate-level embedded engineers, IoT developers, and AI researchers who wish to implement TinyML techniques for AI-powered applications on energy-efficient hardware.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI.
• Deploy lightweight AI models on microcontrollers.
• Optimize AI inference for low-power consumption.
• Integrate TinyML with real-world IoT applications.