AI 边缘工程师

　　AI、云端与边缘计算之间的相互作用正处于持续演进之中。当前，众多IoT解决方案均基于基础遥测技术，该技术负责收集边缘设备的数据并存储于云端。然而，我们的目标超越了基础遥测范畴，旨在通过机器学习与深度学习算法对实际问题进行建模，并将此模型在边缘设备及云端实现。该模型在云端进行训练后，被部署至边缘设备，进而形成一个反馈循环以优化业务流程（即数字化转型）。

　　这一学习路径采用了跨学科工程方法，旨在针对无人机、无人驾驶汽车等边缘设备上AI部署的复杂领域，构建一套标准模板。此路径为复杂AI应用发展的格局提供了实施策略。容器技术成为该方法的基石，它在边缘设备部署时，能封装部署环境以适应各种硬件需求。CICD（持续集成-持续部署）作为在边缘设备上部署容器的逻辑扩展，为这一方法提供了有力支持。在后续模块中，我们可能会探讨微控制器单元上的无服务器计算与部署等先进技术。

　　工程导向的方法强化了工程教育中的关键主题/教学，包括：

• 系统思维
• 试验与问题解决
• 通过试验改进
• 通过测试部署与分析
• 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/容差与特定操作条件（如设备限制）下工作
• 安全注意事项
• 构建解决方案工具
• 改进流程——借助边缘（IoT）为业务流程提供一个分析反馈循环，以驱动流程优化
• 工程的社会影响
• 设计与工程对审美的影响
• 大规模部署

　　通过AI、边缘与云的端到端部署，我们致力于解决复杂的业务问题。最终，在CICD模式下作为容器部署的AI、云与边缘技术，将构建一个跨越整个价值链的行业特定自主学习生态系统，推动整个行业的转型。我们期望设计一套模板/方法，助力在云环境中将AI部署至边缘设备。

　　在此学习旅程中，你将：

• 学习如何利用IoT与云创建解决方案
• 理解在边缘设备上部署基于IoT的解决方案流程
• 掌握使用容器将模型部署至边缘设备的步骤
• 探索DevOps在边缘设备中的应用
• 参与由牛津大学与Ajit Jaokar联合打造的《人工智能：云与边缘实现》课程。