VIP8
本课程属于：080-工业AI模型训练与生命周期 智能机器人、自动化与智能装备工程 · 共 8 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Edge AI模型退化监测训练课程资料

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · Edge AI模型退化监测的定义与重…
课程导入学习目标
02
Edge AI基础
边缘计算架构 · 端侧推理特点 · 模型部署流程与资源约束
EdgeAI
03
模型退化概念
数据漂移 · 概念漂移 · 模型老化
模型退化概念数据漂移
04
退化监测指标
准确率 · F1 · AUC
退化监测指标准确率
05
数据漂移检测方法
PSI · KS检验 · MMD
数据漂移检测方法PSI
06
概念漂移检测方法
DDM · EDDM · Hoeffding Tree
概念漂移检测方法DDM
07
无标签监测技术
基于预测置信度 · 特征分布 · 重构误差的退化信号提取
无标签监测技术基于预测置信度
08
边缘端监测架构
轻量级监测模块设计 · 资源占用优化 · 与推理管线的集成方式
边缘端监测架构轻量级监测模块设…
09
监测数据采集与存储
边缘日志 · 特征快照 · 样本缓存策略与隐私保护
监测数据采集存储
10
退化预警机制
阈值设定 · 自适应告警 · 多级预警策略与误报抑制
退化预警机制阈值设定
11
模型更新策略
增量学习 · 微调 · 重训练
模型更新策略增量学习
12
案例实战
图像分类模型在边缘设备上的退化监测全…
案例实战图像分类模型
13
案例实战
目标检测模型在视频流中的漂移检测与告…
案例实战目标检测模型
14
案例实战
自然语言处理模型在边缘端的语义漂移监…
案例实战自然语言处理模型
15
案例实战
时序预测模型在工业IoT场景中的退化…
案例实战IoT
16
工具与框架
TensorFlow Lite · ONNX Runtime · Edge Impulse
工具框架
17
模型可解释性
SHAP · LIME等解释方法辅助定位退化原因与…
模型可解释性SHAP
18
自动化监测流水线
CI/CD for ML · 模型监控管道 · 边缘-云端协同监测
自动化监测流水线CI/CD
19
性能与资源权衡
监测频率 · 计算开销 · 电池消耗与监测精度的平衡
性能资源权衡
20
多模型与联邦学习场景
多设备模型退化监测 · 联邦学习中的漂移检测与聚合策略
多模型联邦学习场景
21
安全与对抗鲁棒性
对抗样本导致的模型退化 · 监测机制的安全加固
安全对抗鲁棒性
22
常见问题与调试
监测误报 · 漏报 · 延迟
常见问题调试
23
最佳实践
工业界模型退化监测的成熟方案 · 经验教训与设计模式
最佳实践工业界模型退化监…
24
实战项目
从零构建一个边缘AI模型退化监测系统 · 包括需求分析 · 设计
实战项目AI
25
实战项目
基于模拟数据流进行漂移检测算法对比实…
实战项目基于模拟数据流进…
26
实战项目
在树莓派/Jetson等设备上部署监…
实战项目Jetson
27
综合提升
结合业务场景设计定制化退化监测方案 · 考虑成本 · 精度与可维护性
综合提升结合业务场景设计…
28
前沿趋势
自适应机器学习 · 持续学习 · 在线学习与退化监测的融合
前沿趋势自适应机器学习
29
课程总结
核心知识点回顾 · 常见误区 · 学习路径与进阶资源推荐
课程总结核心知识点回顾
30
结业考核
综合案例分析题 · 要求设计完整的Edge AI模型退化…
结业考核综合案例分析题