# Kabanata 01: Pagbabago ng Pag-deploy ng AI para sa Edge

Ang EdgeAI ay kumakatawan sa isang makabagong pagbabago sa pag-deploy ng artificial intelligence, kung saan ang mga kakayahan ng AI ay inilipat mula sa cloud-based na pagproseso patungo sa mga lokal na edge device. Ang kabanatang ito ay naglalahad ng mga pangunahing konsepto, mahahalagang teknolohiya, at praktikal na aplikasyon na tumutukoy sa makabagong paraan ng pagpapatupad ng AI.

## Estruktura ng Module

### [Seksyon 1: Mga Pangunahing Kaalaman sa EdgeAI](./01.EdgeAIFundamentals.md)
Itinatag ng seksyong ito ang pundasyon sa pamamagitan ng paghahambing ng tradisyunal na cloud-based na AI sa mga modelo ng pag-deploy ng edge AI. Sinusuri natin ang mga mahahalagang teknolohiya tulad ng model quantization, compression optimization, at Small Language Models (SLMs) na tumutugon sa mga limitasyon ng computational na kakayahan ng edge devices. Binibigyang-diin ng talakayan kung paano nagbibigay ang mga inobasyong ito ng mas mataas na proteksyon sa privacy, ultra-mababang latency, at matibay na offline na kakayahan sa pagproseso.

### [Seksyon 2: Mga Pag-aaral ng Kaso sa Totoong Buhay](./02.RealWorldCaseStudies.md)
Sa pamamagitan ng mga konkretong halimbawa tulad ng Phi at Mu model ecosystems ng Microsoft at ang AI reporting system ng Japan Airlines, ipinapakita ng seksyong ito ang matagumpay na mga implementasyon ng EdgeAI sa iba't ibang industriya. Pinatutunayan ng mga pag-aaral ng kaso ang natatanging pagganap ng SLMs sa mga espesyalisadong gawain at inilalarawan ang mga praktikal na benepisyo ng mga estratehiya sa pag-deploy ng edge.

### [Seksyon 3: Gabay sa Praktikal na Pagpapatupad](./03.PracticalImplementationGuide.md)
Nagbibigay ang seksyong ito ng komprehensibong mga alituntunin sa paghahanda ng kapaligiran para sa hands-on na pag-aaral, kabilang ang mahahalagang development tools, mga kinakailangan sa hardware, pangunahing mapagkukunan ng modelo, at mga optimization framework. Itinatatag nito ang teknikal na pundasyon na kinakailangan para sa mga mag-aaral na bumuo at mag-deploy ng kanilang sariling mga solusyon sa EdgeAI.

### [Seksyon 4: Mga Hardware Platform para sa Edge AI Deployment](./04.EdgeDeployment.md)
Sinusuri ng seksyong ito ang ecosystem ng hardware na nagbibigay-daan sa pag-deploy ng edge AI, kabilang ang mga platform mula sa Intel, Qualcomm, NVIDIA, at Windows AI PCs. Nagbibigay ito ng detalyadong paghahambing ng mga kakayahan ng hardware, mga teknik sa optimization na partikular sa platform, at mga praktikal na konsiderasyon sa pag-deploy sa iba't ibang senaryo ng edge computing.

## Mga Pangunahing Layunin sa Pagkatuto

Sa pagtatapos ng kabanatang ito, mauunawaan ng mga mambabasa ang:
- Mga pangunahing pagkakaiba sa pagitan ng cloud at edge AI architectures
- Mga pangunahing teknik sa optimization para sa pag-deploy sa edge
- Mga aplikasyon sa totoong buhay at mga kwento ng tagumpay
- Mga praktikal na kasanayan para sa pagpapatupad ng mga solusyon sa EdgeAI
- Pagpili ng hardware platform at mga teknik sa optimization na partikular sa platform
- Benchmarking ng pagganap at mga pinakamahusay na kasanayan sa pag-deploy

## Mga Implikasyon sa Hinaharap

Ang EdgeAI ay lumilitaw bilang isang mahalagang trend na humuhubog sa hinaharap ng pag-deploy ng AI, na nagbubukas ng daan para sa distributed, efficient, at privacy-preserving na mga sistema ng AI na maaaring gumana nang independyente sa cloud connectivity habang pinapanatili ang mataas na pamantayan ng pagganap.

---

**Paunawa**:  
Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't sinisikap naming maging tumpak, tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.