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
- Czym jest TinyML?
- Znaczenie uczenia maszynowego na mikrokontrolerach.
- Porównanie tradycyjnej sztucznej inteligencji i TinyML.
- Przegląd wymagań sprzętowych i programowych.
Konfiguracja środowiska TinyML
- Instalacja Arduino IDE i konfiguracja środowiska programistycznego.
- Wprowadzenie do TensorFlow Lite i Edge Impulse.
- Flashowanie i konfigurowanie mikrokontrolerów dla aplikacji TinyML.
Tworzenie i wdrażanie modeli TinyML
- Zrozumienie przepływu pracy TinyML.
- Trenowanie prostego modelu uczenia maszynowego dla mikrokontrolerów.
- Konwersja modeli AI do formatu TensorFlow Lite.
- Wdrażanie modeli na urządzeniach sprzętowych.
Optymalizacja TinyML dla urządzeń brzegowych
- Zmniejszenie pamięci i śladu obliczeniowego.
- Techniki kwantyzacji i kompresji modeli.
- Analiza porównawcza wydajności modelu TinyML.
Aplikacje TinyML i Use Case
- Rozpoznawanie gestów przy użyciu danych z akcelerometru.
- Klasyfikacja audio i wykrywanie słów kluczowych.
- Wykrywanie anomalii na potrzeby konserwacji predykcyjnej.
TinyML Wyzwania i przyszłe trendy
- Ograniczenia sprzętowe i strategie optymalizacji.
- Kwestie bezpieczeństwa i prywatności w TinyML.
- Przyszłe postępy i badania w TinyML.
Podsumowanie i kolejne kroki
Wymagania
- Podstawowa znajomość programowania (Python lub C/C++)
- Znajomość koncepcji uczenia maszynowego (zalecane, ale nie wymagane)
- Zrozumienie systemów wbudowanych (opcjonalne, ale pomocne)
Odbiorcy
- Inżynierowie
- Naukowcy zajmujący się danymi
- Entuzjaści sztucznej inteligencji
14 godzin
