AI 边缘工程师

AI、云和边缘之间的相互作用是一个不断发展的领域。 目前，很多 IoT 解决方案都基于基本遥测。 遥测功能会部署来自边缘设备的数据并将它保存在数据存储中。 而我们的方法不仅是处理基本遥测。 我们的目标是通过机器学习和深度学习算法对实际的问题进行建模，并在边缘设备上通过 AI 和云实现该模型。 该模型在云端进行训练，并部署到边缘设备上。 部署到边缘提供了一个反馈循环来改进业务流程（这就是数字化转型）。

在此学习路径中，我们采用了跨学科的工程方法。 我们希望针对在无人机和无人驾驶汽车等边缘设备上部署 AI 的众多复杂领域创建一款标准模板。该学习路径为复杂 AI 应用不断发展的格局提供了实现策略。容器是该方法的核心。 部署到边缘设备时，容器可将部署环境封装起来供各种硬件使用。CICD（持续集成 – 持续部署）是一种在边缘设备上部署容器额逻辑扩展。 在此学习路径的后续模块中，我们可能会讲解微控制器单元上的无服务器计算和部署等其他技术。

工程引领的方法巩固了工程教育方面的主题/教学，例如

系统思维

试验和问题解决

通过试验改进

通过测试部署和

对其他工程领域的影响

组件或系统的预测行为

设计注意事项

在约束/容差和特定操作条件（如设备限制）下工作

安全注意事项

构建有助于创建解决方案的工具

改进流程 – 借助边缘 (IoT) 向业务流程提供一个反馈循环，从而驱动流程

工程的社会影响

设计和工程对审美的影响

大规模部署

通过 AI、边缘和云的端到端部署解决复杂的业务问题。

最终，在 CICD 模式中部署为容器的 AI、云和边缘技术可创建一个横跨整个价值链的行业特定的自主学习生态系统，实现整个行业的转型。 我们希望设计这样一组模板/方法，它们可帮助在云环境中将 AI 部署到边缘设备。

在此学习路径中，你将：

学习如何使用 IoT 和云创建解决方案

了解在边缘设备上部署基于 IoT 的解决方案的流程

了解使用容器将模型实施到边缘设备的流程

探索 DevOps 在边缘设备方面的使用

与牛津大学联合制作 – Ajit Jaokar《人工智能：云和边缘实现》课程。