Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Wprowadzenie do TinyML
- Co to jest TinyML?
- Znaczenie uczenia maszynowego na mikrokontrolerach
- Porównanie sztucznej inteligencji tradycyjnej z TinyML
- Przegląd wymagań sprzętowych i oprogramowania
Konfiguracja środowiska TinyML
- Instalacja Arduino IDE i konfiguracja środowiska programistycznego
- Wprowadzenie do TensorFlow Lite i Edge Impulse
- Programowanie i konfiguracja mikrokontrolerów do aplikacji TinyML
Budowanie i wdrażanie modeli TinyML
- Zrozumienie przepływu pracy TinyML
- Trenowanie prostego modelu uczenia maszynowego dla mikrokontrolerów
- Konwertowanie modeli AI do formatu TensorFlow Lite
- Wdrażanie modeli na urządzeniach sprzętowych
Optymalizacja TinyML dla urządzeń Edge
- Zmniejszanie zapotrzebowania na pamięć i obliczenia
- Techniki kwantyzacji i kompresji modeli
- Benchmarking wydajności modeli TinyML
Aplikacje TinyML i Use Case
- Rozpoznawanie gestów za pomocą danych z akcelerometru
- Klasyfikacja dźwięku i wykrywanie słów kluczowych
- Wykrywanie anomalii w ramach konserwacji przewidywanej
Wyzwania TinyML i przyszłe trendy
- Ograniczenia sprzętowe i strategie optymalizacji
- Zagadnienia związane z bezpieczeństwem i prywatnością w TinyML
- Przyszłe postępy i badania w dziedzinie TinyML
Podsumowanie i następne kroki
Wymagania
- Podstawowa znajomość programowania (Python lub C/C++)
- Znajomość pojęć związanych z uczeniem maszynowym (polecane, ale nie wymagane)
- Zrozumienie systemów wbudowanych (opcjonalne, ale pomocne)
Grupa docelowa
- Inżynierowie
- Naukowcy danych
- Entuzjaści sztucznej inteligencji
14 godzin
