مهندس AI Edge
يعد التفاعل بين الذكاء الاصطناعي والسحابة وedge مجالاً سريع التطور. في الوقت الحالي، تعتمد العديد من حلول إنترنت الأشياء على البيانات الأساسية لتتبع الاستخدام. وتقوم دالة بيانات تتبع الاستخدام بالتقاط البيانات من أجهزة edge وتخزينها في مخزن البيانات. ويمتد نهجنا إلى ما هو أبعد من بيانات تتبع الاستخدام الأساسية، نهدف إلى نمذجة المشكلات في العالم الحقيقي من خلال التعلم الآلي، وخوارزميات التعلم العميق، وتنفيذ النموذج من خلال الذكاء الاصطناعي والسحابة على أجهزة الحواف. يتم تدريب النموذج في السحابة وتوزيعه على جهاز edge. يوفر التوزيع إلى edge حلقة ملاحظات من شأنها تحسين عملية الأعمال (التحول الرقمي).
في هذا المسار التعليمي، نأخذ نهج الهندسة متعددة التخصصات. نطمح إلى إنشاء قالب قياسي للعديد من المجالات المعقدة لنشر الذكاء الاصطناعي على الأجهزة المتطورة مثل الطائرات بدون طيار والمركبات المستقلة وما إلى ذلك. يقدم مسار التعلم استراتيجيات تنفيذ لمشهد متطور من التطبيقات الذكاء الاصطناعي المعقدة. وتعتبر الحاويات أساسية لهذا النهج. عند التوزيع على أجهزة edge، يمكن للحاويات تغليف بيئات التوزيع لنطاق من الأجهزة المتنوعة. CICD (التكامل المستمر - النشر المستمر) هو امتداد منطقي لنشر الحاويات على أجهزة الحافة. في الوحدات المستقبلية في مسار التعلم هذا، قد نقوم بتضمين تقنيات أخرى، مثل الحوسبة بلا خادم والتوزيع على وحدات المتحكم الدقيق.
يدعم النهج الذي تقوده الهندسة الموضوعات / البيداغوجيات للتعليم الهندسي مثل
- التفكير المنهجي
- التجريب وحل المشاكل
- التحسين من خلال التجربة
- التوزيع والتحليل من خلال الاختبار
- التأثير على المجالات الهندسية الأخرى
- التنبؤ بسلوك مكون أو نظام
- اعتبارات التصميم
- العمل ضمن القيود/الاختلافات وظروف التشغيل المحددة - على سبيل المثال، قيود الجهاز
- اعتبارات السلامة والأمان
- إنشاء الأدوات التي تساعد في إعداد الحل
- تحسين العمليات - استخدام edge(IoT) لتوفير حلقة ملاحظات تحليلية لعملية الأعمال للمضي بالعمليات قدماً
- الأثر المجتمعي للهندسة
- التأثير الجمالي للتصميم والهندسة
- عمليات التوزيع على نطاق واسع
- حل مشاكل الأعمال المعقدة عن طريق التوزيع الشامل للذكاء الاصطناعي وedge والسحابة.
في نهاية الأمر، يمكن لتقنيات الذكاء الاصطناعي والسحابة وedge المنتشرة كحاويات في وضع التكامل المستمر - التوزيع المستمر (CICD) تحويل الصناعات بأكملها عن طريق إنشاء نظام بنائي ذاتي التعلم خاص بالصناعة يغطي سلسلة القيمة بأكملها. ونحن نطمح إلى تصميم مثل هذه المجموعة من القوالب / المنهجيات لتوزيع الذكاء الاصطناعي إلى أجهزة edge في سياق السحابة. خلال مسار التعلم هذا، سوف تتمكن مما يلي:
- التعرف على إنشاء حلول باستخدام إنترنت الأشياء والسحابة
- فهم عملية توزيع حلول مستندة إلى إنترنت الأشياء على أجهزة edge
- تعلم عملية تنفيذ النماذج على أجهزة edge باستخدام الحاويات
- استكشاف استخدام DevOps لأجهزة edge
تم إنتاجه بالشراكة مع جامعة أكسفورد - Ajit Jaokar، دورة الذكاء الاصطناعي: تطبيقات السحابة وحافة.
المتطلبات الأساسية
بلا
إضافة
رمز الإنجاز
هل ترغب في طلب رمز إنجاز؟
الوحدات النمطية في مسار التعلم هذا
تميز أنواع العمليات التجارية التي يمكن ل Azure IoT إضافة قيمة إليها. استطلاع خدمات Azure IoT مثل IoT Hub وIoT Central التي تساعدك على إنشاء حلول IoT.
قم بتقييم خصائص Azure IoT Hub وحدّد سيناريوهات التوقيت المناسب لاستخدام IoT Hub.
شرح الخصائص الأساسية لـ IoT Edge ووظيفة مكونات IoT Edge (الوحدات النمطية ووقت التشغيل والواجهة السحابية). قم بتمييز أنواع المشاكل التي يمكنك حلها مع IoT Edge. وصف كيف يمكن دمج عناصر IoT Edge لحل مشكلة نشر تطبيقات IoT في السحابة.
نشر وحدة محاكاة درجة حرارة مسبقة الصنع على جهاز IoT Edge باستخدام حاوية. تحقق من أن الوحدة قد تم إنشاؤها ونشرها بنجاح واعرض بيانات المحاكاة.
تقييم خصائص وظائف Azure لـ IoT. وصف وظيفة المشغلات والارتباطات وإظهار كيفية دمجها لإنشاء حل IoT قابل للتطوير. وصف فوائد استخدام البنية الأساسية السحابية لنشر تطبيقات IoT بسرعة باستخدام وظائف Azure.
قم بإنشاء وظيفة Azure ونشرها لإضافة ميزة ترجمة اللغات إلى جهاز IoT. ستستخدم الوظيفة Cognitive Speech Service. سيسجل جهازك صوتاً بلغة أجنبية ويحول الكلام إلى اللغة الهدف.
تنفيذ خدمة معرفية لإجراء الكشف عن اللغة على جهاز IoT Edge. وصف المكونات والخطوات لتنفيذ خدمة معرفية على جهاز IoT Edge.
تحليل أهمية عملية MLOps في تطوير نماذج التعلم الآلي ونشرها التي تخص IoT Edge. وصف مكونات مسار عملية MLOps وإظهار كيف يمكنك دمجها لإنشاء نماذج يمكن إعادة التدريب عليها تلقائياً لأجهزة IoT Edge.
حدِّد حلاً لاختبار الدخان لأجهزة Azure IoT Edge الظاهرية. يستخدم الحل الخاص بك استراتيجية CI/CD (التكامل المستمر/النشر المستمر) باستخدام Azure DevOps وAzure Pipelines على مجموعة Kubernetes.
تحديد أنواع مشكلات العمل التي يمكن حلها باستخدام Azure Sphere. شرح الإمكانيات والمكونات (وحدة المتحكم الدقيق، ونظام التشغيل، وخدمة الأمان المستندة إلى السحابة) لـ Azure Sphere. وصف كيف توفر المكونات نظاماً أساسياً آمناً لتطوير حلول IoT متصلة بالإنترنت آمنة ونشرها وصيانتها.
تنفيذ نموذج شبكة عصبية لتنفيذ تصنيف الصور في الوقت الحقيقي على جهاز آمن متصل بالإنترنت يستند إلى متحكم دقيق (Azure Sphere). وصف المكونات والخطوات لتنفيذ نموذج تصنيف الصور المدرب مسبقًا على Azure Sphere.
توزيع تطبيق جهاز Azure Sphere لمراقبة الظروف المحيطة لظروف المختبر. سيراقب التطبيق الظروف البيئية للغرفة ويتصل بـ IoT Hub ويرسل بيانات تتبع الاستخدام من الجهاز إلى السحابة. سيمكنك التحكم في الاتصالات بين السحابة والجهاز واتخاذ الإجراءات حسب الحاجة.
توزيع تطبيق Azure Sphere لمراقبة الظروف المحيطة للمختبر. سيُراقب التطبيق بيئة الغرفة ويتصل بـ Azure IoT Central، ويُرسل بيانات تتبع الاستخدام من الجهاز إلى السحابة. سيمكنك التحكم في الاتصالات بين السحابة والجهاز واتخاذ الإجراءات حسب الحاجة.
إنشاء حل رؤية الكمبيوتر على IoT Edge باستخدام خدمات Azure الذكاء الاصطناعي وخدمات الكلام Azure. سيسجل التطبيق العنصر الممسوح ضوئيًا ويُعرفه ويُحوَّل اسم العنصر إلى الكلام.
استخدم وحدة تحليلات فيديو مباشرة على IoT Edge وتوزيع حل التعلم الآلي لـ Custom Vision على جهاز IoT Edge. سوف يحدد الحل الفراغات في الأرفف. تحقق من أن الحل تم توزيعه بنجاح واختبر الحل من تطبيق ويب.
استخدم وحدة تحليلات الفيديو المباشرة لتوزيع حل التعلم الآلي على جهاز IoT Edge. سيقوم الحل بمعالجة موجز فيديو من الكاميرات والكشف عن العناصر على أجهزة Edge باستخدام نموذج YOLO لإجراء عمليات الاستدلال. تحقق من أن الحل تم توزيعه بنجاح واختبر الحل من تطبيق ويب.