Kerangka Materi

Pengenalan ke Edge AI dan Kubernetes

  • Memahami peran AI di edge
  • Kubernetes sebagai pengorkestrasi untuk lingkungan terdistribusi
  • Kasus penggunaan khas di berbagai industri

Distribusi Kubernetes untuk Lingkungan Edge

  • Membandingkan K3s, MicroK8s, dan KubeEdge
  • Alur kerja instalasi dan konfigurasi
  • Persyaratan node dan pola penyebaran

Arsitektur untuk Penyebaran Edge AI

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

Menerapkan Model Pembelajaran Mesin di Edge

  • Mengemas beban kerja inferensi dengan kontainer
  • Menggunakan perangkat keras GPU dan akselerator jika tersedia
  • Mengelola pembaruan model pada perangkat terdistribusi

Strategi Komunikasi dan Konektivitas

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

Observabilitas dan Pemantauan di Edge

  • Pendekatan pemantauan yang ringan
  • Mengumpulkan telemetri dari node jarak jauh
  • Mencari kesalahan pada alur kerja inferensi terdistribusi

Keamanan untuk Penyebaran Edge AI

  • Melindungi data dan model di perangkat yang terbatas
  • Strategi boot aman dan eksekusi yang dapat dipercaya
  • Otentikasi dan otorisasi di seluruh node

Optimasi Kinerja untuk Beban Kerja Edge

  • Mengurangi latensi melalui strategi penyebaran
  • Pertimbangan penyimpanan dan caching
  • Menyetel sumber daya komputasi untuk efisiensi inferensi

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang aplikasi berkontainer
  • Pengalaman dengan administrasi Kubernetes
  • Kenalan dengan konsep komputasi edge

Audience

  • Insinyur IoT yang menyebar perangkat terdistribusi
  • Pengembang berbasis cloud yang membangun aplikasi cerdas
  • Arsitek edge yang mendesain lingkungan terhubung
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (5)

Kursus Mendatang

Kategori Terkait