Hubungi Kami

Kerangka Materi

Pengantar Edge AI dan Kubernetes

  • Memahami peran AI di edge
  • Kubernetes sebagai orkestrator untuk lingkungan terdistribusi
  • Kasus penggunaan umum di berbagai industri

Distribusi Kubernetes untuk Lingkungan Edge

  • Membandingkan K3s, MicroK8s, dan KubeEdge
  • Alur kerja instalasi dan konfigurasi
  • Kebutuhan node dan pola penerapan

Arsitektur untuk Penerapan Edge AI

  • Model edge terpusat, terdesentralisasi, dan hibrida
  • Alokasi sumber daya di node yang terbatas
  • Topologi multi-node dan klaster jarak jauh

Menerapkan Model Machine Learning di Edge

  • Pengemasan beban kerja inferensi dengan kontainer
  • Memakai perangkat keras GPU dan akselerator jika tersedia
  • Manajemen pembaruan model di perangkat terdistribusi

Strategi Komunikasi dan Konektivitas

  • Menangani kondisi jaringan yang tidak stabil dan intermiten
  • Teknik sinkronisasi untuk data edge-ke-cloud
  • Antrean pesan dan pertimbangan protokol

Observability dan Pemantauan di Edge

  • Pendekatan pemantauan ringan
  • Pengumpulan telemetri dari node jarak jauh
  • Pemecahan masalah alur kerja inferensi terdistribusi

Keamanan untuk Penerapan Edge AI

  • Perlindungan data dan model di perangkat yang terbatas
  • Strategi secure boot dan eksekusi yang tepercaya
  • Otentikasi dan otorisasi antar node

Optimasi Kinerja untuk Beban Kerja Edge

  • Pengurangan latensi melalui strategi penerapan
  • Pertimbangan penyimpanan dan caching
  • Penyetelan sumber daya komputasi untuk efisiensi inferensi

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang aplikasi terkontainerisasi
  • Pengalaman dengan administrasi Kubernetes
  • Kepenalian dengan konsep komputasi edge

Target Audiens

  • Insinyur IoT yang menerapkan perangkat terdistribusi
  • Developer cloud-native yang membangun aplikasi cerdas
  • Arsitek edge yang merancang lingkungan terhubung
 21 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (4)

Kursus Mendatang

Kategori Terkait