お問い合わせ

コース概要

Edge AIとKubernetesの入門

  • エッジにおけるAIの役割の理解
  • 分散環境のためのオーケストレーターとしてのKubernetes
  • 業界横断的な典型的なユースケース

エッジ環境向けKubernetesディストリビューション

  • K3s、MicroK8s、KubeEdgeの比較
  • インストールと設定ワークフロー
  • ノード要件とデプロイメントパターン

Edge AIデプロイメントのアーキテクチャ

  • 集中型、分散型、ハイブリッドのエッジモデル
  • リソース制約ノード間のリソース割当
  • マルチノードおよびリモートクラスタトポロジー

エッジでの機械学習モデルのデプロイ

  • コンテナによる推論ワークロードのパッケージング
  • 利用可能な場合のGPUおよびアクセラレータハードウェアの使用
  • 分散デバイス上のモデル更新の管理

通信と接続性戦略

  • 断続的かつ不安定なネットワーク条件の処理
  • エッジからクラウドへのデータの同期技術
  • メッセージキューとプロトコルの考慮事項

エッジでのオブザーバビリティとモニタリング

  • 軽量なモニタリング手法
  • リモートノードからのテレメトリ収集
  • 分散推論ワークフローのデバッグ

Edge AIデプロイメントのセキュリティ

  • リソース制約デバイス上のデータとモデルの保護
  • セキュアブートと信頼済み実行戦略
  • ノード間での認証と認可

エッジワークロードのパフォーマンス最適化

  • デプロイ戦略によるレイテンシーの低減
  • ストレージとキャッシュの考慮事項
  • 推論効率のための計算リソースのチューニング

まとめと次のステップ

要求

  • コンテナ化アプリケーションに関する理解
  • Kubernetes管理の経験
  • エッジコンピューティングの概念への熟悉

対象者

  • 分散デバイス導入を行うIoTエンジニア
  • 知能型アプリケーションを構築するクラウドネイティブ開発者
  • 接続環境を設計するエッジアーキテクト
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (4)

今後のコース

関連カテゴリー