115-1 雲端運算與邊緣運算應用 Cloud Computing and Edge Computing Applications
運算、資料與責任
如何分工?
Week 01|從一隻機器貓看懂雲端與邊緣
AI 能量課程
謝昇憲|電機系
四資管 AI 技優專班三A 必修 3-0-3 課號 3119(IM3049)
週二 BCD 節 AC209
Cloud
雲端:集中保存、分享、管理
Edge
邊緣:靠近現場先判斷
Device
裝置:感測、拍照、致動
開場
115-1 CloudXEdge · W01
來源:115-1 校務系統教學大綱(課號 3119);114 Week00 Syllabus p.13
02 / 78
找得到老師,也找得到作業
georgeh@yuntech.edu.tw
辦公室與 Office Hour
EN306 週二 13:00–14:00
上課時間與教室
週二 BCD 節 AC209
教材與繳交
eclass.yuntech.edu.tw(TronClass)
有問題先問哪裡?
01
課程內容、作業規定:課程 LINE 群組或 TronClass
02
成績、請假、個人狀況:Email
03
當面討論:Office Hour
開場
115-1 CloudXEdge · W01
來源:114 Week00 Syllabus p.14(原 QR 與連結沿用)
03 / 78
先加入課程 LINE 群組
掃描 QR,或輸入連結:
群組用來做什麼
不要在群組貼帳號、密碼、學生證照片或雲端金鑰。
開場
115-1 CloudXEdge · W01
來源:115-1 十八週主表 W01(2026-09-12)
04 / 78
今天的地圖:180 分鐘、一個問題
核心問題:運算、資料與責任如何分工?
鉤子
機器貓在哪裡想?
10–18 分
§1
雲端是什麼
18–48 分
§2
誰管什麼
58–85 分
§3
放在哪裡
85–110 分
§4–5
你的學期與規則
120–136 分
活動
架構判讀+帳號啟用
136–180 分
48–58 分、110–120 分各休息 10 分鐘
今天要帶走的兩件東西
① 一張架構判讀圖(小組)
② GitHub Education/AWS Academy 申請狀態(個人)
鉤子|機器貓
115-1 CloudXEdge · W01
來源:教師提供錄影;互動陪伴機器貓開發紀錄(Notion,2026-07/08);外殼為早期 CAD,非成品照
05 / 78
它在跟你說話,可是它在「哪裡」想?
錄影:機器貓語音問答(約 60 秒)
早期外殼 CAD
看影片時請記下:
鉤子|機器貓
115-1 CloudXEdge · W01
來源:互動陪伴機器貓開發紀錄(Notion 7/22);教師備課筆記
06 / 78
位置 1:身體裡只有一塊小板子
XIAO ESP32S3 Sense
拇指大小的開發板
麥克風:收音
LCD:顯示表情
相機:手勢
喇叭:播放回答
它負責
收音、顯示表情、播放聲音:跟人直接接觸的部分
它不負責
聽懂你在說什麼、想出回答:這塊板子的算力做不到
鉤子|機器貓
115-1 CloudXEdge · W01
來源:互動陪伴機器貓開發紀錄(Notion:ESP32-XIAO/OLV Bridge 紀錄);原整合日誌截圖
07 / 78
位置 2:聲音先走到旁邊的電腦
XIAO
收音
Windows Bridge
轉格式・轉送
遠端 GPU 主機
下一頁
Bridge 做什麼
原整合日誌:語音問題 → 回答 → 播放完成
鉤子|機器貓
115-1 CloudXEdge · W01
來源:互動陪伴機器貓開發紀錄(Notion:RTX 4090 後端,2026-08);教師備課筆記
08 / 78
位置 3:真正「想」的地方在遠方的 GPU
實驗室 RTX 4090 主機(WSL2)
ASR
Automatic Speech Recognition 自動語音辨識
把說話的聲音轉成文字。
TTS
Text-to-Speech 語音合成
把文字轉成說話的聲音。
遠端實驗室主機 ≠ AWS 公有雲
八月版本;七月試驗是另一版
鉤子|機器貓
115-1 CloudXEdge · W01
來源:互動陪伴機器貓開發紀錄(Notion);教師備課筆記
09 / 78
三個位置,三種工作
位置 1|身體
XIAO:收音、表情、播放
位置 2|旁邊的電腦
Bridge:轉格式、手勢、轉送
位置 3|遠方主機
GPU:辨識、回答、合成
先想一想
如果家裡網路斷了,哪一個位置還能動?機器貓會變成什麼樣子?
依教師提供:一位學生、兩個月完成的整合;建立在教師既有 aicat 程式與開源工具上,不是從零開發全部技術。
01
Section 1
雲端是什麼
What is Cloud Computing
範圍:NIST 定義、五項特性、部署模式
引導問題
你每天都在用雲端,
但你說得出它跟「借用別人的電腦」差在哪裡嗎?
10 / 78
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:114 CH1 p.4(例子更新為現行服務)
11 / 78
你今天已經用過幾個雲端服務?
Gmail
信箱
YouTube
影音
Google Drive
雲端硬碟
ChatGPT
AI 助理
TronClass
教學平台
LINE
訊息
舉手:今天已經用過 3 個以上的人?
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:114 CH1 p.5
12 / 78
你用得很順,卻不知道的四件事
主機在哪?
哪個國家、哪個機房、哪一台
資料存在哪?
存幾份、壞了一份怎麼辦
誰在維護?
更新、換硬碟、半夜當機
人多怎麼撐?
開學第一天全校同時登入
你只看到服務入口。這四件事,下學期你要替你的系統回答。
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:自編情境
13 / 78
預測題:借同學的筆電跑程式,算不算雲端?
報告明天要交,你的筆電突然壞了。
隔壁同學把他的筆電借你用一晚。
01
這台筆電可以「自己隨時取用」嗎?要找誰才借得到?
02
同學也要用的時候,你們怎麼分?
03
如果改成學校電腦教室的遠端桌面呢?
兩人討論
1 分鐘
P20 用五項特性逐項打勾
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145(2011)p.2,中文為教學轉述;114 CH1 p.6
14 / 78
NIST 的定義:一句話、五個關鍵詞
NIST
National Institute of Standards and Technology 美國國家標準暨技術研究院
2011 年發布 SP 800-145,是最常被引用的雲端運算定義。
雲端運算是一種模式:讓使用者隨時、方便地透過網路,隨需取用一個共享的運算資源池(網路、伺服器、儲存、應用程式、服務),並能以最少的管理工作,快速配置與釋放。
1. 隨需自助
2. 網路存取
3. 資源共享池
4. 快速伸縮
5. 用量計費
五項特性 Essential Characteristics
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.2
15 / 78
特性 1–2:自己開、自己關,在哪都能連
1
隨需自助
On-demand self-service
不用填單等人處理;需要時自己開,用完自己關。
巡檢例 值班老師半夜也能自己查事件,不必等管理員開機。
2
廣泛網路存取
Broad network access
透過標準網路協定,手機、筆電、裝置都能使用。
巡檢例 現場相機、老師手機、辦公室電腦連的是同一個服務。
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.2;114 CH1 p.11
16 / 78
特性 3:資源共享池,你拿到的是一份配額
供應商的資源池(示意)
你
客戶 B
客戶 C
空閒
多租戶
Multi-tenancy
多個客戶共用同一批硬體,但彼此隔離、看不到對方。
你通常不知道是哪一台機器,但可以指定放在哪個區域(W2)。
§1 雲端是什麼
補充 B
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.2(Resource pooling);AWS「What is Virtualization?」
17 / 78
一台實體機,怎麼變成很多人的「主機」?
VM A
同學甲的網站
VM B
同學乙的資料庫
VM C
另一家公司
Hypervisor 虛擬化層:分配 CPU、記憶體與磁碟,彼此隔離
一台實體主機(機房裡)
CPU · 記憶體 · 磁碟 · 網路卡
VM
Virtual Machine 虛擬機
用軟體切出的一台「主機」,有自己的作業系統。
所以資源共享池的意思是:
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:114 CH1 p.10(引自工研院《雲端科技與智慧生活》);早期歷史案例
18 / 78
特性 4:快速伸縮,要用時放大,用完就收
Elasticity
Rapid elasticity 快速伸縮
需求變大時快速增加資源,需求消失時快速釋放。
早期歷史案例
華盛頓郵報要把大量文件轉成可搜尋格式
200 台
9 小時
虛擬主機同時開
做完全部收回
用量(示意)
高峰時放大,結束就歸零
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:114 CH1 p.12;NIST SP 800-145 p.2
19 / 78
特性 5:用量計費,開著就在算錢
Metered
Measured service 用量計費
系統自動量測用了多少,依用量收費,雙方都看得到。
同一個案例的總花費
US$ 144.62
用完就停,之後不用維護硬體
反過來說
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.2;自編比較
20 / 78
回到預測題:借來的筆電缺了哪幾項?
五項特性 | 借同學的筆電 | 學校遠端桌面 | 公有雲的虛擬主機 |
1 隨需自助 | ✗ 要先問同學 | △ 開放時段內 | ✓ |
2 網路存取 | ✗ 要實體拿到 | ✓ | ✓ |
3 資源共享池 | ✗ 一人一台 | △ 固定台數 | ✓ |
4 快速伸縮 | ✗ | ✗ 不能自己加 | ✓ |
5 用量計費 | ✗ | ✗ 學校統一付 | ✓ |
能遠端連線,不等於雲端。五項都要有,才是 NIST 定義的雲端。
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:知識框架與 AWS 官方教材採用方案 v1 §四;AWS 各服務計價頁(依當期官方資料)
21 / 78
三個常見誤會
雲端=免費
按用量計費。教育帳號也有額度與期限,數字依當期官方資料,不能背。
雲端=無限
每個帳號都有配額、區域與權限限制;教學用帳號的限制更多。
雲端=一定安全
供應商保護機房和硬體;你把資料設成公開,照樣會外洩(§2 會講)。
§1 雲端是什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.3;原教材知識保留與補強清單 v2
22 / 78
部署模式:這朵雲是給誰用的?
公有雲 Public
供應商開放給大眾租用,多租戶共用。
例:AWS、Azure、Google Cloud
本課主線:AWS
私有雲 Private
單一組織專用,可自建或委外。
例:學校自己的虛擬化平台
混合雲 Hybrid
公有與私有串在一起用。
例:敏感資料留校內,運算上公有雲
另一個分類維度:部署模式問「誰在用」,下一節的服務模式問「你管到哪一層」。
§1 雲端是什麼
115-1 CloudXEdge · W01
23 / 78
小結:這一節結束,你應該能…
用 NIST 五項特性,判斷一個服務算不算雲端
說出「能遠端連線」和「雲端」差在哪裡
分辨部署模式(公有/私有/混合)在問什麼
帶著這個問題往下走:同樣是雲端,為什麼有的要你自己裝作業系統,有的打開就能用?
休息 10 分鐘
回來前:打開 github.com,確認能登入你的帳號
接下來 §2|同一件事,買、租、還是直接用?各要負責什麼?
24 / 78
02
Section 2
誰管什麼
Service Models & Shared Responsibility
範圍:IaaS/PaaS/SaaS、管理層次、責任共擔、責任的證據
引導問題
同樣要讓老師看到巡檢照片,你要自己買主機、
租一台雲端主機,還是直接用雲端硬碟?各要負責什麼?
25 / 78
§2 誰管什麼
115-1 CloudXEdge · W01
來源:自編情境(巡檢平台)
26 / 78
同一個需求,三種做法
需求:現場拍到的巡檢照片,要讓值班老師在手機上看到。
A|租一台主機
自己裝作業系統、網站程式、資料庫,再開放連線。
你不用管:機房、硬體
B|只交程式
寫好上傳照片的網站程式,交給平台執行。
你不用管:作業系統、執行環境
C|直接用雲端硬碟
照片丟進共用資料夾,分享連結給老師。
你不用管:幾乎全部
你會選哪一個?如果之後要自動判斷異常、發通知、控管誰能看,選擇會改變嗎?
§2 誰管什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.3;114 CH1 p.14, 21–22;AWS Shared Responsibility Model
27 / 78
IaaS:你租到的是一台「空的」主機
IaaS
Infrastructure as a Service 基礎設施即服務
供應商給你虛擬主機、網路與磁碟;作業系統以上由你安裝與維護。
對應做法 A
例子
Amazon EC2(Elastic Compute Cloud,彈性運算雲):W3 會實際建立一台,並在當週回收。
你要自己處理
更新作業系統、決定開哪些連接埠、程式當掉時處理、用完關機並刪除。
資料與存取權限
應用程式
執行環境
作業系統
虛擬化
實體硬體與機房
你
供應商
§2 誰管什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.3;114 CH1 p.14, 20
28 / 78
PaaS:你交出程式,平台幫你跑
PaaS
Platform as a Service 平台即服務
平台提供作業系統與執行環境;你只部署自己的程式與設定。
對應做法 B
例子
AWS Elastic Beanstalk、Azure App Service、Google App Engine(舊教材的 GAE)。
你要自己處理
程式本身是否正確、使用的套件、環境設定,以及誰可以存取。
資料與存取權限
應用程式
執行環境
作業系統
虛擬化
實體硬體與機房
你
供應商
§2 誰管什麼
115-1 CloudXEdge · W01
來源:NIST SP 800-145 p.3;114 CH1 p.17, 19
29 / 78
SaaS:打開就能用的軟體
SaaS
Software as a Service 軟體即服務
直接透過網路使用完整軟體;供應商負責軟體本身和底下的一切。
對應做法 C
例子
Gmail、Google Drive、TronClass。
你要自己處理
放了什麼資料、分享給誰、帳號密碼與兩步驟驗證、需要時自己備份。
資料與存取權限
應用程式
執行環境
作業系統
虛擬化
實體硬體與機房
你
供應商
§2 誰管什麼
115-1 CloudXEdge · W01
來源:AWS Shared Responsibility Model;NIST SP 800-145 p.3;114 CH1 p.17
30 / 78
管理層次表:越往右,你管得越少,但不是零
管理層次 | 地端 On-premises | IaaS | PaaS | SaaS |
資料與存取權限 | 你 | 你 | 你 | 你 |
應用程式 | 你 | 你 | 你 | 供應商 |
執行環境 | 你 | 你 | 供應商 | 供應商 |
作業系統 | 你 | 你 | 供應商 | 供應商 |
虛擬化 | 你 | 供應商 | 供應商 | 供應商 |
實體硬體與機房 | 你 | 供應商 | 供應商 | 供應商 |
注意第一列:就算是 SaaS,誰能看到你的資料,仍然由你設定。W2 的私有儲存就從這一格開始。
§2 誰管什麼
115-1 CloudXEdge · W01
來源:自編判讀題
31 / 78
判讀題:這六個服務,你還要管哪些事?
Gmail
Amazon EC2
GitHub Codespaces
Google Drive
GitHub Copilot
Amazon S3
兩人討論
2 分鐘
01
它比較像 IaaS、PaaS 還是 SaaS?
02
用它的時候,你還要自己管哪些事?
提示:有些服務(例如 S3)不一定能硬塞進三類。說得出「你還要管什麼」,比貼對標籤重要。
§2 誰管什麼
115-1 CloudXEdge · W01
來源:114 CH1 p.23–24(優缺點濃縮)
32 / 78
取捨:控制權越大,責任越多
地端
IaaS
PaaS
SaaS
控制權、自訂彈性 高
低
你的管理負擔 高
低
IaaS
優 控制最多,能跑舊系統、自己選軟體
缺 要自己修補、備份、顧安全
PaaS
優 專心寫程式,不管作業系統
缺 受平台支援的語言與規格限制
SaaS
優 最快上手,任何裝置都能用
缺 幾乎不能自訂,容易綁定廠商
§2 誰管什麼
115-1 CloudXEdge · W01
來源:AWS Shared Responsibility Model(aws.amazon.com/compliance/shared-responsibility-model)
33 / 78
責任共擔:AWS 管「雲本身」,你管「雲裡面的東西」
你:Security IN the cloud
資料、帳號與權限、作業系統與防火牆設定(用 IaaS 時)、要不要加密、用完要刪
AWS:Security OF the cloud
機房門禁與電力、實體硬體、全球網路、虛擬化層
一句話記住
供應商把房子蓋好、門鎖裝好;
門要不要鎖、鑰匙給誰,是你決定。
用什麼服務,決定紅色範圍有多大(下一頁)。
§2 誰管什麼
115-1 CloudXEdge · W01
來源:AWS Shared Responsibility Model;NIST SP 800-145 p.3
34 / 78
換了服務模式,責任會移動,但不會消失
IaaS:你仍要負責
作業系統更新與修補
防火牆(安全群組)規則
應用程式與套件
資料與存取權限
PaaS:你仍要負責
應用程式與套件
環境設定與金鑰保管
資料與存取權限
SaaS:你仍要負責
帳號安全與兩步驟驗證
分享設定
資料與存取權限
三欄都有的那一格:資料與存取權限。無論用哪一種服務,這都是你的。
§2 誰管什麼
115-1 CloudXEdge · W01
來源:AWS S3 User Guide:Blocking public access to your Amazon S3 storage;自編情境(不指涉特定事件)
35 / 78
常見誤會:「放上雲端,安全就是 AWS 的事」
情境(虛構)
某團隊把巡檢照片放在雲端儲存。為了分享方便,把整個資料夾設成「任何人都能讀」。
三個月後,照片網址被搜尋引擎收錄,拍到的人臉和設備位置都能被查到。
機房出事了嗎?
沒有。硬體、網路都正常運作。
誰的設定出事?
你的:存取權限屬於「雲裡面的東西」。
現在的預設
新建的 S3 bucket 預設封鎖公開存取;要刻意關掉才會公開。
W2 會做
保持私有,只用有期限的網址分享給需要的人。
§2 誰管什麼
115-1 CloudXEdge · W01
來源:115-1 課程網站與教材開發計畫手冊 §2.3「AI 產生,人類驗證」
36 / 78
你怎麼證明自己盡了責任?
權限設定
誰能做什麼?
匯出設定,並做一次「應該被拒絕」的測試。
W2:匿名讀取要失敗
存取紀錄
誰在什麼時候做了什麼?
保留指令輸出、日誌與測試結果。
W3 起:日誌與回應碼
清除紀錄
用完真的刪了嗎?
刪除後再查一次,證明查不到。
每週:回收證據
Agent 說「完成了」不算證據。能讓別人重新檢查的,才是證據。
§2 誰管什麼
115-1 CloudXEdge · W01
37 / 78
小結:這一節結束,你應該能…
說出 IaaS、PaaS、SaaS 各由誰管哪幾層
指出不論哪種服務,資料與存取權限都是你的責任
列出三種能證明自己盡責的證據:權限、紀錄、清除
帶著這個問題往下走:責任分好了,但運算到底要放在雲端,還是放在現場?
03
Section 3
放在哪裡
Device, Edge & Cloud
範圍:三個位置、五個取捨維度、費用與隱私、四個學長案例
引導問題
攝影機拍到影像後,
為什麼不把所有工作都丟給雲端?
38 / 78
§3 放在哪裡
115-1 CloudXEdge · W01
來源:AWS IoT Developer Guide:How AWS IoT works;AWS Well-Architected IoT Lens:IoT edge computing
39 / 78
三個位置的正式名稱
Device
裝置
在現場感測、拍照、動作
本課:ESP32-S3-CAM、感測器、馬達
Edge
邊緣
靠近現場的運算,先判斷、先整理
本課:Coral Dev Board、Android 手機、現場電腦
Cloud
雲端
集中保存、分享、管理,給很多人用
本課:AWS 上的 API、資料庫、S3 儲存
回到機器貓 XIAO=Device;旁邊的 Bridge 電腦=Edge;遠端 GPU 主機扮演集中運算的角色(但它不是公有雲)。
§3 放在哪裡
115-1 CloudXEdge · W01
來源:AWS Well-Architected IoT Lens:Design principles、IoT edge computing
40 / 78
決定放在哪裡之前,先問這五件事
延遲
多快要有反應?
巡檢例:馬達開蓋要在 1 秒內
頻寬
每天要傳多少?
巡檢例:整張照片還是一筆結果
成本
誰付錢?怎麼計費?
巡檢例:傳輸、儲存、運算時間
斷線
網路斷了還能動嗎?
巡檢例:現場先記下,恢復後補送
隱私
誰看得到原始資料?
巡檢例:影像裡可能有人
§3 放在哪裡
115-1 CloudXEdge · W01
來源:自編估算題
41 / 78
算算看:一台相機,一天要傳多少?
200 KB
一張照片
每秒 1 張
固定拍攝
86,400 秒
一天
自己算
1 分鐘
01
一天總共是多少 GB?
02
如果全校有 10 台相機呢?
03
這些照片,值班老師真的每一張都要看嗎?
§3 放在哪裡
115-1 CloudXEdge · W01
來源:自編估算(十進位:1 GB = 10⁶ KB);每天事件數與大小為教學假設
42 / 78
送圖片,還是送結果?一台相機、一天
全部送到雲端再判斷
≈ 17.3 GB
200 KB × 每秒 1 張 × 86,400 秒
斷網時:什麼都判斷不了
在 Edge 先判斷,只送事件
≈ 50 KB
假設每天 50 筆異常 × 每筆約 1 KB
代價:Edge 要有算力,模型要管版本
相差約 35 萬倍。但「只送結果」也代表雲端看不到原圖,出錯時要怎麼查?
§3 放在哪裡
補充 E
115-1 CloudXEdge · W01
來源:AWS Pricing(aws.amazon.com/pricing)與各服務計價頁;單價依當期官方資料
43 / 78
把頻寬換算成帳單:雲端費用的三大塊
運算
主機或服務開著的時間;沒關就一直算
儲存
存了多少、存多久;不刪就每月都算
資料傳輸
進出雲端的流量,尤其是流出
送圖片方案,累積一個月
≈ 518 GB
17.28 GB × 30 天,一台相機
單價每家、每個區域、每年都不一樣。本課不背數字:要估算時,用官方計價頁和計算機查當期價格,並寫下查詢日期。
§3 放在哪裡
115-1 CloudXEdge · W01
來源:AWS Well-Architected IoT Lens:IoT edge computing
44 / 78
但放在 Edge,也有代價
算力有限
記憶體和運算量小,大模型放不下,要選相容的模型。
→ W11
版本要管
10 台設備要更新 10 次;沒更新到的那台就會判斷不一樣。
→ W10
現場會壞
被碰到、斷電、過熱;維修要有人到現場。
→ W13
雲端看不到原圖
只送結果時,判斷錯了很難回頭查證據。
→ W11
§3 放在哪裡
補充 F
115-1 CloudXEdge · W01
來源:115-1 十八週主表 W10 生命週期欄;AWS Well-Architected IoT Lens(資料最小化)
45 / 78
影像裡有人的時候,要先問三件事
誰同意上傳?
被拍到的人知道嗎?同意了嗎?
保存多久?
事件處理完,照片還要留嗎?誰負責刪?
誰看得到?
值班老師可以,其他同學、搜尋引擎呢?
Edge 的選擇
在現場先模糊人臉,或只送「設備 3 異常」這種結果,不送原圖。
本課規則
W10 起:上傳資料須經同意,或只拍非個資測物;照片預設私有(W2)。
§3 放在哪裡
115-1 CloudXEdge · W01
來源:114 CH1 p.27–28(引自〈AI on Chip 示範計畫〉產業趨勢);照片:113 第3組專題
46 / 78
為什麼邊緣需要不同的晶片?
雲端晶片
CPU、GPU
資料量大、效能高
功耗高,放在機房
邊緣晶片
FPGA、ASIC、TPU
反應快、功耗低、體積小
放在現場裝置旁邊
TPU
Tensor Processing Unit 張量處理器
Google 設計的神經網路專用晶片;Coral 上的是小型版 Edge TPU。
ASIC
Application-Specific Integrated Circuit 特定應用積體電路
為特定用途設計的晶片;FPGA 則是可重新規劃線路的晶片。
Coral Dev Board
(113 第3組使用)
§3 放在哪裡|學長案例 1
115-1 CloudXEdge · W01
來源:113 第8組〈道路坑洞檢測〉系統實作與問題解決頁(教師原檔,第 12–15 頁);原截圖含私人資訊,不轉載
47 / 78
道路坑洞:跑不動時,改變運算的位置
Dev Board 取像
現場
外部電腦推論
YOLO 模型
顯示偵測結果
給使用者看
原先期待 | 實作調整 | 新的取捨 |
一台裝置同時拍攝、推論 | 把推論移到外部電腦 | 增加網路依賴與傳輸量 |
值得借鏡
遇到 Python 版本與效能問題時,不是一直換模型碰運氣,而是重新分配運算。
界線
這不是「Coral 已經能即時跑 YOLO」的證明。
問你
改完之後,五個維度裡哪一個變差了?網路斷了該怎麼辦?
§3 放在哪裡|學長案例 2
115-1 CloudXEdge · W01
來源:114 第4組〈智慧垃圾分類系統〉期末報告;數據與展示為原作者自述,未經本課重新驗證
48 / 78
智慧垃圾桶:模型不在雲端,那雲端在做什麼?
原作品開蓋機構
LINE 上傳
手機拍照
PC 推論
Keras 分類
AWS
紀錄+送訊息
馬達開蓋
ESP8266
展示了什麼
分類後,對應的蓋子自動打開,約 5 秒後關上
一個限制
「滿載警告」是開蓋 10 次觸發,不是真的量到容量
問你
如果把雲端拿掉,哪一段會失效?
§3 放在哪裡|學長案例 3
115-1 CloudXEdge · W01
來源:114 第7組〈珍・惜菌瓶〉期末報告第 8 頁;原作者自述,本課未重新驗證
49 / 78
菌瓶:模型學到的是菌瓶,還是背景?
原組使用的 ESP32-CAM
ESP32-CAM
取像
雲端分類
HSV 特徵+SVM
事件與通知
儲存、查詢
卡點
訓練用手機照,實際輸入是 ESP32-CAM;背景也會影響結果
值得借鏡
把錯誤追到資料來源,不直接怪模型不夠大
界線
可疑狀態的分類原型,不是食品安全判定
問你
換了背景或光線答案就變,它學到的是菌瓶嗎?
§3 放在哪裡|學長案例 4
115-1 CloudXEdge · W01
來源:113 第3組〈手語辨識〉方法、硬體與展示頁(教師原檔,第 5 頁);原作者自述
50 / 78
手語:辨識完了,誰會收到結果?
相機
拍手勢
Dev Board
辨識 10 類手勢
AWS
經 MQTT 收結果
MQTT
Message Queuing Telemetry Transport 輕量訊息傳輸協定
裝置把訊息發布到主題,訂閱的一方就會收到;W6 正式教。
值得借鏡
把模型輸出變成別的系統能接收的事件,不只是一張預測截圖
界線
10 類手勢、每類約 200 張,不等於完整的手語翻譯
問你
同一個手勢一直比,要送一次,還是一直送?(→ W5)
§3 放在哪裡
115-1 CloudXEdge · W01
來源:113 教師本機期末專題 9 組;114 Drive 成果資料夾 8 組;作品來源盤點(2026-09-07)
51 / 78
其他 13 組:換你判斷運算放在哪
組別 | 作品 | 你猜運算在哪? |
113-1 | 英文字手寫辨識 | |
113-2 | rPPG 健康監測 | |
113-4 | 貓咪品種辨識 | |
113-5 | 線稿生成圖像 | |
113-6 | SmartRecycle 聲音分類 | |
113-7 | 個人筆記(語音轉文字) | |
113-9 | 臉部與聲音情緒辨識 | |
組別 | 作品 | 你猜運算在哪? |
114-1 | 校園自動化趕鴿器 | |
114-2 | 行車違規影像通報 | |
114-3 | 門禁系統 | |
114-5 | 場域人流熱點分析 | |
114-6 | 玉米積溫監測 | |
114-8 | 宿舍智慧風扇 | |
提示:114-6 玉米積溫監測只用感測器和積溫規則,不一定需要 AI 模型。
§3 放在哪裡
115-1 CloudXEdge · W01
來源:自編討論題(以 114 第4組架構為例)
52 / 78
斷網的那一刻,哪裡會停下來?
LINE 上傳
手機
PC 推論
Keras
AWS
紀錄+送訊息
馬達開蓋
ESP8266
這裡斷網
01
哪幾段還能動?哪幾段停下來?
02
使用者在現場會看到什麼?
03
網路恢復後,剛剛那張照片該怎麼辦?會不會開兩次?
→ W13 斷線暫存與補送
§3 放在哪裡
115-1 CloudXEdge · W01
53 / 78
小結:這一節結束,你應該能…
用延遲、頻寬、成本、斷線、隱私五個維度,說明運算為什麼放在某一層
估算「送圖片」與「送結果」的資料量差距
從學長作品中,指出 Device、Edge、Cloud 各做了什麼
帶著這個問題往下走:這些選擇,會怎麼組成你這學期要做的系統?
休息 10 分鐘
回來前:3–4 人一組坐在一起
接下來 §4|同一套系統,陪你走 18 週
54 / 78
04
Section 4
你的學期
One System, Eighteen Weeks
範圍:學期系統地圖、18 週的問題、AI 模型與 Agent、硬體基線
引導問題
前面三章做的每一個決定,
會放進同一套系統嗎?
55 / 78
§4 你的學期
115-1 CloudXEdge · W01
來源:學生範本分離與 Cloud 課程調整建議 §3(2026-09-12,教師討論稿);115-1 十八週主表
56 / 78
這學期的共同主線:校園設備巡檢與異常事件平台
現場設備
相機・感測器
Edge 判斷
Coral・手機
事件 API
收事件・驗格式
資料庫+私有照片
事件・附件
值班者畫面
查詢・處理狀態
W7 W10
W11 W12
W3 W4 W6
W2 W5 W7
W4 W8
一條完整的使用情境
設備上報異常 → 系統檢查格式後存進資料庫 → 照片放進私有儲存 → 值班老師在畫面上看到事件和照片 → 更新處理狀態 → 系統留下歷程
前半學期用模擬設備與合成事件,W10 起接實體硬體。W1 這張圖是粗略版,之後逐週補齊。
§4 你的學期
115-1 CloudXEdge · W01
來源:115-1 十八週主表(course-master,2026-09-12)
57 / 78
四個階段、十八個問題
Part I 雲端基礎
W1
運算、資料與責任如何分工?
W2
私有資料如何授權與分享?
W3
主機存在,為何服務不通?
Part II 雲端應用
W4
如何安全接收有效事件?
W5
如何保存事件且避免重複?
W6
誰能發布哪些訊息?
W7
圖片如何與事件保持關聯?
W8
LAB-01 資料走完整條路?
W9
需求改變,架構如何調整?
Part III 邊緣與維運
W10
實體資料如何可靠上雲?
W11
執行位置如何影響結果?
W12
LAB-02 影像上雲的代價?
W13
斷線補送會遺失或重複?
W14
什麼證據能指出故障?
W15
LAB-03 修好後有新風險?
Part IV 交付
W16
別人能重建與恢復嗎?
W17
為什麼採用這個架構?
W18
展示後還留下哪些責任?
你在這裡:W1
§4 你的學期
115-1 CloudXEdge · W01
來源:知識框架與 AWS 官方教材採用方案 v1 §五
58 / 78
同一張圖,這學期會回來五次
W1
粗略全貌
三層、資料往哪走
W8
真實資料路徑
一筆事件走完整條路
W13
失敗與恢復
斷線時停在哪、怎麼補
W16
版本與交付
別人能不能重建
W18
退場
資料、權限、費用清乾淨
今天活動畫的圖,就是這張圖的第一版。
§4 你的學期
115-1 CloudXEdge · W01
來源:115-1 課程網站 W1 slides;課程網站與教材開發計畫手冊 §2.1
59 / 78
AI 模型和 AI Agent,不是同一個角色
AI 模型:負責「判斷」
給它輸入,它給你輸出。
在你的系統裡:可能有,也可能不需要
AI Agent:負責「動手」
規劃步驟、呼叫工具、檢查結果,再決定下一步。
在本課:是你開發時的工具
01
溫度超過 35°C 就通知:需要 AI 模型嗎?
02
你的作品一定要包含 Agent 嗎?
§4 你的學期
115-1 CloudXEdge · W01
來源:課程網站與教材開發計畫手冊 §2.3;W2–W8 實作交接包(2026-09-12)
60 / 78
本課怎麼用 Agent:你下規格,你驗結果
你寫任務規格
目標與限制
Copilot
在 Codespaces 裡產生指令
AWS CLI
對雲端執行
你驗證證據
成功、拒絕、清除
CLI
Command Line Interface 命令列介面
用文字指令操作電腦或雲端服務;可以記錄、重現、審閱,比點畫面更好驗證。
1 目標
2 可用權限
3 禁止事項
4 驗收條件
5 要留的證據
6 停止條件
每個 Agent 任務都要寫清楚這六件事
§4 你的學期
115-1 CloudXEdge · W01
來源:課程網站與教材開發計畫手冊 §5.4;十八週課程調整筆記(2026-09-12)
61 / 78
硬體基線:W10 才上場,先用模擬器
ESP32-S3-CAM
N16R8+OV2640 相機
角色:現場取像與傳輸
Device
Coral Dev Board
內含 Edge TPU
角色:現場推論
Edge
Android 手機
相機+運算
角色:取像或推論
Device/Edge
依角色選用,不要求每組全買全用。W1–W9 先用模擬設備,雲端問題和硬體問題分開除錯。
§5 課程規則
115-1 CloudXEdge · W01
來源:115-1 校務系統教學大綱(評量方式);114 Week00 Syllabus p.8;細項為提案,待 TronClass 公告
62 / 78
怎麼評量
50%
Lab/Report
三次正式 Lab 的驗收與報告
35%
Final project (demo)
期末專題展示與個人問答
15%
Others
出席、課堂參與、短答
待 TronClass 公告
Lab 內的配分
遲交與補驗收
分組與個人比例
提案:不再依完成先後給分,改用公開的共同驗收規準。
§5 課程規則
115-1 CloudXEdge · W01
來源:115-1 十八週主表(course-master,2026-09-12);分組人數待確認
63 / 78
分組與里程碑
W2–W3
個人小實驗
W8
LAB-01
Cloud 整合
W12
LAB-02
實體整合
W15
LAB-03
診斷修復
W17–18
專題展示
分組
每組 3–4 人(約 9 組,待公告);W4 起以小組為單位
角色輪替
需求、建置、驗證三個角色輪流擔任,每個人都要留下自己的證據
§5 課程規則
115-1 CloudXEdge · W01
來源:115-1 十八週課程大綱 v1 §六;114 Week00 Syllabus p.9(改寫)
64 / 78
AI 可以幫忙,但成果必須能解釋
揭露
用了什麼工具、關鍵的請求、哪些建議採用或沒採用,以及理由
能解釋
每個人都要能在問答時說明:資料怎麼走、哪裡可能出錯
標註來源
用了別人的程式、圖片或文件,一樣要標註出處
課堂短答不用 AI 代答。
§5 課程規則
115-1 CloudXEdge · W01
來源:十八週課程調整筆記(2026-09-12);繳交細節待 TronClass 公告
65 / 78
怎麼繳交:GitHub 放成果,TronClass 交指標
你的 GitHub repo
程式+證據+報告
標定版本
commit SHA 或 tag
TronClass 繳交欄
貼上四項資訊
SHA
commit SHA(Secure Hash Algorithm 雜湊值) 版本識別碼
Git 為每一次提交產生的唯一代碼;老師用它打開你交的那一版。
TronClass 要貼的四項
repo 連結
commit SHA/tag
報告在 repo 裡的路徑
三行摘要
不要另交一份內容不同的 ZIP 或 Word;也不要把帳號、金鑰推上 GitHub。
活動|架構判讀
115-1 CloudXEdge · W01
來源:115-1 十八週主表 W01 成果「架構圖」
66 / 78
活動:畫出你的第一張架構判讀圖
0–3 分
選一張情境卡,分配角色
3–15 分
畫三層圖,填五格表
15–20 分
自評,抽 2 組分享
情境 A
★
溫度異常通知
情境 B
★★
巡檢拍照回報
情境 C
★★★
機器貓離線模式
規則
一組交一份;組內每個人都要能說明自己的圖。可以查資料,不用 AI 直接產生答案。
活動|架構判讀
115-1 CloudXEdge · W01
來源:教師備課筆記(W1 參考答案)
67 / 78
情境 A|溫度異常通知
★ 基礎
情境
機房牆上有一個溫度感測器。溫度超過 35°C 時,要通知值班老師;老師也想看過去一週的溫度變化。
20 分鐘・3–4 人一組
任務
畫出 Device/Edge/Cloud,標出溫度資料往哪裡走
目標
判斷這個系統需不需要 AI 模型,說出理由
提示
「超過 35°C」要在現場判斷,還是雲端判斷?
繳交
一張圖+五格:位置、資料、運算、責任、斷網影響
活動|架構判讀
115-1 CloudXEdge · W01
來源:自編情境(銜接 W2 私有儲存)
68 / 78
情境 B|巡檢拍照回報
★★ 進階
情境
校園 10 台設備旁各裝一台相機。值班老師要在手機上看到「哪台設備異常、當時的照片」,其他同學不能看到照片。
20 分鐘・3–4 人一組
任務
畫出三層,標出照片與事件各走哪條路
目標
說明你選「送圖片」或「送結果」的理由
提示
先想:老師真的每張照片都要看嗎?
繳交
一張圖+五格:位置、資料、運算、責任、斷網影響
活動|架構判讀
115-1 CloudXEdge · W01
來源:自編情境(銜接 W13 斷線補送)
69 / 78
情境 C|機器貓離線模式
★★★ 挑戰
情境
家裡網路斷了。機器貓要能對孩子說「我現在連不上網,等一下再聊」,並記下剛剛的問題;網路恢復後再補問。
20 分鐘・3–4 人一組
任務
標出三層,寫出斷網時每一層還能做什麼
目標
設計斷網時的「降級」行為與恢復後的補送
提示
補送時,同一個問題會不會被問兩次?
繳交
一張圖+五格:位置、資料、運算、責任、斷網影響
活動|架構判讀
115-1 CloudXEdge · W01
來源:自編活動規格;範例以情境 A 為例
70 / 78
繳交格式:一張圖+五格表
欄位 | 要寫什麼 | 範例(情境 A) |
位置 | 每個元件放在 Device、Edge 還是 Cloud | 感測器=Device;判斷程式=Edge;歷史紀錄=Cloud |
資料 | 傳的是原始資料、結果,還是事件 | 只在超溫時送事件;每 10 分鐘送一筆平均值 |
運算 | 判斷在哪裡做、用規則還是模型 | 現場用規則判斷,不需要模型 |
責任 | 誰負責設定、權限、保存與刪除 | 我們管門檻設定與誰能看紀錄 |
斷網影響 | 網路斷了,哪裡停、使用者會看到什麼 | 現場警示燈仍會亮;雲端通知暫停 |
交出前自評
□ 三層都有標出來嗎?
□ 看得出資料往哪裡走嗎?
□ 有寫斷網會怎樣嗎?
§6 平台啟用
115-1 CloudXEdge · W01
來源:GitHub Docs:Apply to GitHub Education as a student;Set up Copilot for students(依當期官方方案)
71 / 78
GitHub Education:今天送出申請
01
登入 GitHub,在帳號設定加入並驗證學校 Email
02
到 GitHub Education 申請學生方案
03
依畫面上傳在學證明(只交給 GitHub 官方)
04
送出後等待審核;通過後再啟用 Copilot 學生權益
注意
審核中也沒關係:W2 可以和同組已核准的同學協作,但不共用帳號密碼。
§6 平台啟用
115-1 CloudXEdge · W01
來源:GitHub Docs:Codespaces overview;YunTech AWS Agentic Lab agent brief
72 / 78
Codespaces:換一台電腦,也能接著做
Codespaces
GitHub Codespaces 雲端開發環境
在瀏覽器裡打開一台已經裝好工具的開發環境;程式、終端機、Copilot 都在裡面。
教室電腦
有還原卡,重開機就回到原狀
Codespace
環境在雲端,登入 GitHub 就能接著做
用完要停止
開著會消耗使用時數(依當期方案)
回到 §2 Codespaces 比較像 IaaS、PaaS 還是 SaaS?用它時你還要管什麼?
§6 平台啟用
115-1 CloudXEdge · W01
來源:AWS Academy(aws.amazon.com/training/awsacademy);邀請由教師當天發出
73 / 78
AWS Academy:今天只接受課程邀請
收到 Email 邀請
學校信箱
建立帳號/接受課程
依邀請信步驟
看到課程頁面
今天到這裡為止
Learner Lab
AWS Academy Learner Lab 教學用雲端沙盒
有使用時限、額度與權限限制的教學環境;不等於一般 AWS 帳號。
今天不要做
§6 平台啟用
115-1 CloudXEdge · W01
來源:115-1 十八週課程大綱 v1 §七
74 / 78
離開前,記下你的申請狀態
項目 | 已送出 | 已核准 | 卡住的原因 |
GitHub 帳號(含學校 Email) | □ | □ | |
GitHub Education 學生方案 | □ | □ | |
AWS Academy 課程邀請 | □ | □ | |
還沒核准?
W2 和同組已核准的同學協作,每個人仍要留下自己的觀察與證據
不要做
共用帳號密碼、自費升級付費方案、把憑證傳給別人
收尾
115-1 CloudXEdge · W01
來源:本週 §1–§3 整理
75 / 78
回到今天的問題:運算、資料與責任如何分工?
運算放在哪?
用延遲、頻寬、成本、斷線、隱私決定 Device、Edge 或 Cloud。
資料放在哪?
原圖、結果、事件可以放在不同地方;只送需要的。
誰負責?
服務模式決定分工;資料與存取權限永遠是你的。
今天的架構判讀圖,就是這學期那張系統圖的第一版。
下週 W02
巡檢照片要放在哪裡,
才能讓該看的人看到、其他人看不到?
W2|私有資料如何授權與分享?
物件儲存、身分與授權、短效分享網址、用完回收
第一次真的上雲:每個人建立一個私有儲存空間,測試「本人可讀、匿名不可讀、過期不可讀」
76 / 78
收尾
115-1 CloudXEdge · W01
來源:自編形成性評量
77 / 78
離堂短答:3 題、5 分鐘
01
從五項特性中任選兩項,各舉一個生活中的例子。
02
用 SaaS(例如 Google Drive)時,哪一項責任仍然屬於你?
03
你們組的情境中,網路斷了之後,哪裡會停下來?
寫在 TronClass「W01 課堂短答」;不用 AI 代答,不依字數評分。
收尾
115-1 CloudXEdge · W01
來源:課程網站與教材開發計畫手冊 §8.6(W1 課後負荷目標)
78 / 78
課後 20–30 分鐘
確認 GitHub Education 審核狀態
約 5 分鐘
還沒接受 AWS Academy 邀請的人,完成接受
約 5 分鐘
讀 W2 預習頁:物件儲存與存取權限
約 15–20 分鐘
有問題:課程 LINE 群組或 TronClass;個人狀況寄 georgeh@yuntech.edu.tw
附錄
115-1 CloudXEdge · W01
來源:課程網站與教材開發計畫手冊 §2.5(名詞首次出現規則);各頁來源
A1
本週名詞表
名詞 | 意思與用途 |
NIST | 美國國家標準暨技術研究院;雲端定義來源 |
IaaS | 基礎設施即服務;租主機、網路、磁碟 |
PaaS | 平台即服務;交程式,平台執行 |
SaaS | 軟體即服務;打開就能用的軟體 |
VM | 虛擬機;軟體切出的一台主機 |
Hypervisor | 虛擬化層;分配與隔離資源 |
多租戶 | Multi-tenancy;多個客戶共用硬體 |
名詞 | 意思與用途 |
Device/Edge/Cloud | 裝置/邊緣/雲端 |
TPU | 張量處理器;神經網路專用晶片 |
ASIC/FPGA | 特定用途晶片/可重新規劃的晶片 |
ASR/TTS | 語音辨識/語音合成 |
MQTT | 輕量訊息傳輸協定(W6) |
CLI | 命令列介面;用文字指令操作 |
Learner Lab | AWS Academy 教學沙盒 |
附錄
115-1 CloudXEdge · W01
來源:連結查核:2026-09-07 課綱文件;上課前以當期官方頁面再核一次
A2
參考來源
NIST SP 800-145 The NIST Definition of Cloud Computing
AWS Shared Responsibility Model
AWS Well-Architected IoT Lens:Design principles
AWS Well-Architected IoT Lens:IoT edge computing
AWS IoT Developer Guide:How AWS IoT works
Amazon S3:Blocking public access
AWS:What is Virtualization?
AWS Pricing
GitHub Docs:Apply to GitHub Education as a student
GitHub Docs:Codespaces overview
AWS Academy
課程內部:114 Week00 Syllabus、114 Week01 CH1 Overview、115-1 十八週主表、學長專題原始報告(教師保存,不公開轉載)
附錄
115-1 CloudXEdge · W01
來源:作品來源盤點(2026-09-07);作品權利歸原作者,僅作課程介紹;列表順序不代表排名
A3
113/114 期末專題完整列表
113(9 組)
114(8 組)
組 | 作品 | 觀察方向 |
1 | 英文字手寫辨識 | 相似字形與分類模型 |
2 | rPPG 健康監測 | 非接觸訊號;非臨床驗證 |
3 | 手語辨識 | 有限手勢分類+雲端訊息 |
4 | 貓咪品種辨識 | 視覺分類與 Web 服務 |
5 | 線稿生成圖像 | 內文為 Conditional GAN |
6 | SmartRecycle 聲音分類 | 音訊特徵與背景噪音 |
7 | 個人筆記 | 語音轉文字與摘要 |
8 | 道路坑洞檢測 | 設備限制下拆分運算 |
9 | 臉部與聲音情緒辨識 | 多模態分類;非讀懂真實情緒 |
組 | 作品 | 觀察方向 |
1 | 校園自動化趕鴿器 | 偵測+致動;效果待驗證 |
2 | 行車違規影像通報 | 辨識不等於合法性認定 |
3 | 門禁系統 | RFID、影像與資料庫核對 |
4 | 智慧垃圾分類 | 辨識到實體開蓋 |
5 | 場域人流熱點分析 | 手掌代理,非視線量測 |
6 | 玉米積溫監測 | 規則即可,不必有模型 |
7 | 珍・惜菌瓶 | 取像與訓練資料落差 |
8 | 宿舍智慧風扇 | 感測、影像、繼電器 |