1 of 81

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

2 of 81

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

Email

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

3 of 81

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

  • 臨時公告:停課、教室異動、器材借用
  • 課程問題:同學也看得到答案
  • 正式繳交與成績一律走 TronClass,不在群組傳檔

不要在群組貼帳號、密碼、學生證照片或雲端金鑰。

4 of 81

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)

5 of 81

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:

  • 聲音從哪裡進去?
  • 回答是在哪裡產生的?

6 of 81

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

7 of 81

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

  • 把板子的聲音、影像轉成後端看得懂的格式
  • 在本機先處理手勢,不必每件事都送遠端
  • 透過網路轉送到遠端主機,再把回答送回板子

原整合日誌:語音問題 → 回答 → 播放完成

8 of 81

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)

  • 聽:語音辨識,把聲音變成文字
  • 想:大型語言模型(Qwen)產生回答
  • 說:語音合成,把回答變成聲音

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

9 of 81

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。

10 of 81

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

11 of 81

§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?

12 of 81

§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。

13 of 81

§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

14 of 81

§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

15 of 81

§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。

16 of 81

§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)。

17 of 81

§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:

  • 你拿到的是一份配額,不是固定一台機器
  • 別人不能讀你的 VM,但你們共用硬體
  • W3 建立的 EC2,就是一台 VM

18 of 81

§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

19 of 81

§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

  • 主機忘了關:每小時都在算
  • 檔案忘了刪:每個月都在算
  • 所以本課每週實作都要「回收,並留下回收證據」

20 of 81

§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。

21 of 81

§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)。

22 of 81

§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」。

23 of 81

§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?

24 of 81

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

25 of 81

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

26 of 81

§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?

27 of 81

§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

28 of 81

§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

29 of 81

§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

30 of 81

§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。

31 of 81

§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。

32 of 81

§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

33 of 81

§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)。

34 of 81

§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。

35 of 81

§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。

36 of 81

§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。

37 of 81

§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?

38 of 81

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

39 of 81

§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)。

40 of 81

§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

41 of 81

§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?

42 of 81

§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?

43 of 81

§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。

44 of 81

§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

45 of 81

§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)。

46 of 81

§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)

47 of 81

§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?

48 of 81

§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?

49 of 81

§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?

50 of 81

§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)

51 of 81

§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。

52 of 81

§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

53 of 81

§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?

54 of 81

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

55 of 81

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

56 of 81

§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。

57 of 81

§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

58 of 81

§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。

59 of 81

§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。

  • 這張照片裡的設備正常嗎?
  • 這句話是什麼意思?

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。

  • 寫一段上傳照片的程式
  • 下指令建立雲端資源

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?

60 of 81

§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

61 of 81

§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。

62 of 81

§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。

63 of 81

§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

64 of 81

§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。

65 of 81

§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。

66 of 81

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。

67 of 81

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

68 of 81

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

69 of 81

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

70 of 81

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?

71 of 81

§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

  • 學生證照片不要傳到 LINE 群組
  • 審核不保證當堂通過
  • 權益內容依當期官方方案

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。

72 of 81

§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?

73 of 81

§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

  • 不按 Start Lab
  • 不建立任何雲端資源
  • 不申請一般 AWS 帳號或綁信用卡

74 of 81

§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

75 of 81

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。

76 of 81

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

77 of 81

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。

78 of 81

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

79 of 81

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

80 of 81

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)

81 of 81

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