人工智慧 (AI) 的應用服務可以設計在雲端伺服器或邊緣裝置端，為了分擔雲端伺服器的工作量並降低網路頻寬，邊緣裝置近感應器端 (sensor) 的即時 AI 辨識處理已成為現今的研究重點。

AI 邊緣運算的優點在於其低成本及其所擁有的廣大消費市場，例如感應器裝置、穿戴式裝置、家電、手機、醫療、甚至於玩具等；然而開發時將面臨極少記憶體、極低耗電量、無作業系統資源、無高階程式庫支援等限制，因此應該如何縮小所設計的 AI model，使其只佔用少量的記憶體並且維持低耗電量，更重要的是不能犧牲太多 AI model 辨識的精確度，這些策略都是在一開始訓練 AI model 時就必須全盤考量的，否則將無法成功的達到邊緣 AI 運算的效果。

邊緣運算的開發可簡單的分成兩個趨勢，一是自行採集資料，自我訓練 AI model，再將 model 微調 (Fine-Tuning) 至邊緣裝置；另一是直接由邊緣裝置調用類似 ChatGPT API，call 雲端服務以便提供更高階的 AI 功能；本課程以 Edge AI、TinyML、及 Mobile AI 為主題，依序說明邊緣裝置的縮裝技巧及調用 ChatGPT API 的方法，協助學員快速掌握 AI 邊緣運算的開發趨勢與重點。

※上課時間 ：歡迎機關團體或個人隨時來電洽詢。