Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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
