Kursplan

Introduksjon til Edge AI og Kubernetes

  • Forstå rollen av AI ved kanten
  • Kubernetes som en orchestrator for distribuerte miljøer
  • Typiske brukstilfeller i ulike bransjer

Kubernetes-distribusjoner for kantmiljøer

  • Sammenligning av K3s, MicroK8s og KubeEdge
  • Installasjons- og konfigurasjonarbeidsganger
  • Noderequirementer og dyrkningmønstre

Arkitekturer for Edge AI-dyrkning

  • Sentraliserte, desentraliserte og hybride kantmodeller
  • Ressursallokasjon over begrensete noder
  • Flernode- og fjernklastopologier

Dyrking av maskinlæringsmodeller ved kanten

  • Pakking inferensarbeidsbyrder med containere
  • Bruk av GPU og akseleratorhårdvare når tilgjengelig
  • Hantering av modelloppdateringer på distribuerte enheter

Kommunikasjons- og forbundne strategier

  • Behandling av intermittente og ustabile nettverksforhold
  • Synkroniseringsmetoder for kant-til-moldata
  • Meddeløysjekøer og protokollobetraktinger

Observasjon og overvåking ved kanten

  • Lette overvåkningsmetoder
  • Samling av telemetri fra fjernnoder
  • Feilsøking av distribuerte inferensarbeidsflyter

Sikkerhet for Edge AI-dyrkninger

  • Beskyttelse av data og modeller på begrensete enheter
  • Sikker oppstart og tillitfull utførelsesstrategier
  • Autentisering og autorisering over noder

Ytelsesoptimalisering for Edge-arbeidsbyrder

  • Redusere forsinkelse gjennom dyrkningsstrategier
  • Lagrings- og mellomlagersoverveigelser
  • Justering av beregningsressurser for inferens-effektivitet

Oppsummering og neste steg

Krav

  • Forståelse av containeriserte applikasjoner
  • Erfaring med Kubernetes-administrasjon
  • Familiaritet med kantberegninger

Målgruppe

  • IoT-injenerer som dyrker distribuerte enheter
  • Cloud-native utviklere som bygger intelligente applikasjoner
  • Kantarkitekter som designer forbundne miljøer
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (5)

Kommende kurs

Relaterte kategorier