成都Edge AI培训

这个由导师主导的现场培训课程旨在教导高级人工智慧研究人员、数据科学家和安全专家，让他们能够在多个边缘设备上实现联邦学习技术来训练人工智慧模型，同时保持数据隐私。

通过这次培训，参加者将能够：

• 了解联邦学习在Edge AI中的原则和好处。
• 使用TensorFlow Federated 和 PyTorch 实现联邦学习模型。
• 优化分布式边缘设备的人工智慧训练。
• 解决联邦学习中的数据隐私和安全挑战。
• 在实际应用中部署和监控联邦学习系统。

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。

本课程面向希望为成都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。

本课程是针对希望应用Edge AI解决方案的初级至中级零售技术专家、AI开发人员和业务分析师的面授在线实时培训，旨在智能结帐系统、库存管理和个性化客户参与。

培训结束时，参与者将能够：

• 了解Edge AI如何提升零售业务和客户体验。
• 实施智能结帐和无收银员支付系统的AI技术。
• 利用实时跟踪和分析优化库存管理。
• 利用计算机视觉和AI为店内客户提供个性化体验。

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。

这项由讲师指导的成都（线上或线下）培训，针对中级嵌入式AI开发人员和边缘计算专家，旨在微调和优化轻量级AI模型，以便在资源受限的设备上部署。

在培训结束时，参与者将能够：

• 选择并调整适合边缘部署的预训练模型。
• 应用量化、剪枝和其他压缩技术，以减少模型大小和延迟。
• 使用迁移学习微调模型，以提高特定任务的性能。
• 在实际的边缘硬件平台上部署优化后的模型。

本课程面向希望在边缘设备上实现和优化计算机视觉模型以进行实时处理的中级到高级计算机视觉工程师、人工智能开发人员和物联网专业人员。 通过本培训，参与者将能够：

• 了解计算机视觉中Edge AI的基本原理及其应用。
• 在边缘设备上部署经过优化的深度学习模型，以实现对图像和视频的实时分析。
• 使用TensorFlow Lite、OpenVINO和NVIDIA Jetson SDK等框架进行模型部署。
• 优化AI模型以提高性能、功率效率和低延迟推断。

This instructor-led, live training in 成都 (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.

这门由讲师主导的现场培训课程旨在让中级到高级的机器人工程师、人工智慧开发人员和希望为机器人应用实现Edge AI的自动化专家参加。

培训结束时，参与者将能够：

• 了解Edge AI在自治系统中的作用。
• 在边缘设备上部署AI模型，以实现实时机器人技术。
• 优化人工智慧在低延迟决策中的性能。
• 整合电脑视觉和传感器融合，以实现机器人的自主。

本课程是针对希望在低功耗设备上实现AI模型的高级AI工程师、嵌入式开发人员和硬件工程师的讲师主导的现场培训，旨在最小化能源消耗。

培训结束时，参与者将能够：

• 了解在节能设备上运行AI的挑战。
• 优化低功耗推理的神经网络。
• 利用量化、修剪和模型压缩技术。
• 在边缘硬件上部署AI模型，并尽量减少功耗。

这门由教师主导的现场培训课程旨在帮助中级人工智慧开发人员、嵌入式工程师和机器人工程师，无论是在网上还是在现场。希望在边缘应用程序中优化和部署AI模型。

培训结束时，参与者将能够：

• 了解边缘 AI 和 NVIDIA Jetson 硬体的基本原理。
• 优化 AI 模型以便在边缘设备上部署。
• 使用 TensorRT 来加速深度学习推断。
• 使用 JetPack SDK 和 ONNX Runtime 部署 AI 模型。

这种由讲师指导的 成都（在线或现场）实时培训面向希望优化 AI 模型以进行边缘部署的中级 AI 开发人员、机器学习工程师和系统架构师。

在培训结束时，参与者将能够：

• 了解在边缘设备上部署 AI 模型的挑战和要求。
• 应用模型压缩技术来减小 AI 模型的大小和复杂性。
• 利用量化方法提高边缘硬件上的模型效率。
• 实施修剪和其他优化技术以提高模型性能。
• 在各种边缘设备上部署优化的 AI 模型。

这种以讲师为主导的 成都（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。

这种以讲师为主导的成都（在线或现场）现场培训面向希望在金融服务中实施边缘人工智能解决方案的中级金融专业人士、金融科技开发人员和人工智能专家。

在培训结束时，参与者将能够：

• 了解边缘 AI 在金融服务中的作用。
• 使用 Edge AI 实施欺诈检测系统。
• 通过 AI 驱动的解决方案增强客户服务。
• 应用边缘 AI 进行风险管理和决策。
• 在金融环境中部署和管理边缘 AI 解决方案。

这种以讲师为主导的成都（在线或现场）现场培训面向希望在工业自动化中实施边缘 AI 解决方案的中级工业工程师、制造专业人员和 AI 开发人员。

在培训结束时，参与者将能够：

• 了解边缘 AI 在工业自动化中的作用。
• 使用 Edge AI 实施预测性维护解决方案。
• 在制造过程中应用人工智能技术进行质量控制。
• 使用边缘 AI 优化工业流程。
• 在工业环境中部署和管理边缘 AI 解决方案。

这种由讲师指导的 成都（在线或现场）实时培训面向希望利用 TensorFlow Lite 进行边缘 AI 应用程序的中级开发人员、数据科学家和 AI 从业者。

在培训结束时，参与者将能够：

• 了解 TensorFlow Lite 的基础知识及其在边缘 AI 中的作用。
• 使用 TensorFlow Lite 开发和优化 AI 模型。
• 在各种边缘设备上部署 TensorFlow Lite 模型。
• 利用工具和技术进行模型转换和优化。
• 使用 TensorFlow Lite 实现实用的边缘 AI 应用程序。

这种以讲师为主导的现场成都（在线或现场）培训面向希望利用边缘人工智能实施智慧城市计划的中级城市规划师、土木工程师和智慧城市项目经理。

在培训结束时，参与者将能够：

• 了解边缘 AI 在智慧城市基础设施中的作用。
• 实施用于流量管理和监控的边缘 AI 解决方案。
• 使用边缘 AI 技术优化城市资源。
• 将边缘 AI 与现有的智慧城市系统集成。
• 解决智慧城市部署中的道德和监管考虑因素。

这种以讲师为主导的 成都（在线或现场）现场培训面向希望保护和合乎道德地部署边缘 AI 解决方案的中级网络安全专业人员、系统管理员和 AI 伦理研究人员。

在培训结束时，参与者将能够：

• 了解边缘 AI 中的安全和隐私挑战。
• 实施保护边缘设备和数据的最佳实践。
• 制定策略以降低边缘 AI 部署中的安全风险。
• 解决道德考虑并确保遵守法规。
• 对边缘 AI 应用程序进行安全评估和审计。

这种由讲师指导的现场成都（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成都（在线或现场）现场培训面向希望利用边缘 AI 提供创新医疗保健解决方案的中级医疗保健专业人员、生物医学工程师和 AI 开发人员。

在培训结束时，参与者将能够：

• 了解边缘 AI 在医疗保健中的作用和优势。
• 在医疗保健应用的边缘设备上开发和部署 AI 模型。
• 在可穿戴设备和诊断工具中实施边缘 AI 解决方案。
• 使用边缘 AI 设计和部署患者监护系统。
• 解决医疗保健 AI 应用程序中的道德和监管考虑因素。

这种以讲师为主导的 成都（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 成都（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。

这项针对希望为预测性维护、异常检测和智能传感器应用实施TinyML的中级IoT开发人员、嵌入式工程师和AI从业人员的成都(在线或现场)的讲师主导直播培训旨在使参与者能够：

• 了解TinyML的基础知识及其在IoT中的应用。
• 为IoT项目设置TinyML开发环境。
• 在低功耗微控制器上开发和部署ML模型。
• 使用TinyML实施预测性维护和异常检测。
• 优化TinyML模型，以提高功率和内存使用的效率。

这种由讲师指导的 成都（在线或现场）实时培训面向希望全面了解边缘 AI 从概念到实际实施（包括设置和部署）的中级开发人员和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解边缘 AI 的基本概念。
• 设置和配置边缘 AI 环境。
• 开发、训练和优化边缘 AI 模型。
• 部署和管理边缘 AI 应用程序。
• 将边缘 AI 与现有系统和工作流集成。
• 解决边缘 AI 实施中的道德考虑和最佳实践。

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。

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。

这种以讲师为主导的 成都（在线或现场）现场培训面向希望了解边缘 AI 及其入门应用程序基础知识的初级开发人员和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解边缘 AI 的基本概念和架构。
• 设置和配置边缘 AI 环境。
• 开发和部署简单的边缘 AI 应用程序。
• 识别并了解边缘 AI 的用例和优势。