在AI人工智慧應用中，若所有資料都要回傳到雲端中心，計算之後再傳回終端的話，一定會有「網路延遲」產生，而這些延遲可能會對人類安全與生命財產造成嚴重威脅，比方說，自駕車偵測系統若識別前方的物件，先經由網路送至雲端再傳回結果，可能就會因延遲而造成不可挽回的意外事故；再者有些工廠的環境可能網路不穩定或者企業基於網路資安等問題而沒有網路。這些都使AI模型在雲端進行推論時有使用上的困難。
邊緣運算的概念正因此而生，不透過網路將資料傳送到雲端進行推論(Inference)，而是在本機端直接進行推論，加快現場即時反應，讓AI的使用場域更加全面且便利。然而在邊緣進行AI運算，會面臨到本機運算能力及記憶體容量限制等因素，因此也會有一些需要克服的難題，因此本課程先從技術架構、模型優化方法說明並搭配Raspberry Pi 結合Intel NCS2 神經網路加速棒，配合OpenVINO程式碼實作，以實現邊緣運算的應用。
★本課程恕不得與黃金存摺、課程現金抵用券等任何優惠折扣並用！
| 線上課程【觀看說明】 |
| ●線上課程觀看時效為30天（訂單繳費後約3個工作日可開始觀看）期間可重複觀看。 觀看時間，自報名後”收到觀看通知e-mail（提供線上課程連結）”當天起算，請務必留意e-mail通知！ ●課程報名繳費時，可備註3日後的課程開通日(平日)，可於指定日協助課程開通。 ●課程觀看通知發出後，視同購買之線上課程已生效，恕不提供課程異動、開通日程延後申請，請務必留意。 ●關於課程報名問題，歡迎與客服聯繫 02-2748-5188。 |
| 教學方式 |
| ●投影片講授及配合程式進行演練 ●課程會使用 + Spyder |
| 學習目標 |
| ●學會以OpenVINO（Open Visual Inference and Neural network Optimization）進行AI模型的格式轉換，進而能將AI模型部署在邊緣裝置上。 ●學會AI軟硬整合，實現邊緣運算之影像辨識應用（如人臉辨識與動態影像識別等）。 ●傳承業師實務開發經驗，提高學習者的AI邊緣運算應用之開效率。 |
| 適合對象 |
| ●已學過AI，但想進一步學習如何將AI演算法轉換成實際應用之工程師。 ●對於AI演算法大致理解，但想學習如何將本機端的AI模型部署到終端硬體之工程師。 ●欲進行邊緣運算開發之專案，想學習各階段開發技巧，縮短自我摸索時間之工程師。 ●學習背景： 1、有基礎機器學習/深度學習知識者佳 2、有Python 程式設計基礎者者佳 3、會基礎Raspberry Pi/ Linux使用者佳（針對AI邊緣運算使用Raspberry Pi 時） |
| 課程大綱 |
| OpenVino邊緣運算實務》 1、邊緣運算 ●技術簡介 ●邊緣運算的開發架構 ●模型優化的概念 2、OpenVINO邊緣運算實務 ●Intel NCS2 神經網路加速棒簡介 ●OpenVINO Toolkit 架構說明 ●由Keras (.h5)模型轉成IR (.xml & .bin)檔案 ●Raspberry Pi 安裝OpenVINO ●建立OpenVINO應用程式- 程式架構與CMAKE說明 ●專案：WebCam串流人臉偵測 ●專案：WebCam 即時手寫數字辨識 (OpenCV與MNIST) 3、基本Raspberry Pi 使用入門 |
