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.
Czas trwania 21 godzin
Plan Szkolenia
Fundamenty TinyML w ochronie zdrowia
- Cechy systemów TinyML
- Ograniczenia i wymagania specyficzne dla sektora zdrowia
- Przegląd architektur AI w urządzeniach noszonych
Pozyskiwanie i preprocesowanie sygnałów bioelektrycznych
- Praca z czujnikami fizjologicznymi
- Techniki redukcji szumów i filtrowania
- Ekstrakcja cech dla serii czasowych medycznych
Tworzenie modeli TinyML dla urządzeń noszonych
- Dobór algorytmów dla danych fizjologicznych
- Szkolenie modeli w środowiskach ograniczonych zasobami
- Ocena wydajności na zbiorach danych zdrowotnych
Wdrażanie modeli na urządzeniach noszonych
- Wykorzystanie TensorFlow Lite Micro do inferencji na urządzeniu
- Integracja modeli AI w medycznych urządzeniach noszonych
- Testowanie i walidacja na sprzęcie wbudowanym
Optymalizacja zużycia energii i pamięci
- Techniki zmniejszania obciążenia obliczeniowego
- Optymalizacja przepływu danych i wykorzystania pamięci
- Wyrównywanie precyzji i efektywności
Bezpieczeństwo, niezawodność i zgodność
- Rozważania regulacyjne dotyczące urządzeń noszonych z AI
- Zapewnianie odporności i przydatności klinicznej
- Mechanizmy awaryjne i obsługa błędów
Studium przypadku i zastosowania w ochronie zdrowia
- Systemy monitorowania kardio noszonego
- Rozpoznawanie aktywności w rehabilitacji
- Ciągłe śledzenie glikemii i parametrów biometrycznych
Perspektywy rozwoju medycznego TinyML
- Podejścia fuzji wieloczujnikowej
- Spersonalizowana analityka zdrowia
- Kolejna generacja chipsetów AI o niskim poborze mocy
Podsumowanie i dalsze kroki
Wymagania
- Znajomość podstawowych koncepcji uczenia maszynowego
- Doswiadczenie w pracy z urządzeniami wbudowanymi lub biomedycznymi
- Znajomość rozwoju opartego na Pythonie lub C
Grupa docelowa
- Profesjonaliści medyczni
- Inżynierowie biomedyczni
- Programiści AI
Opinie uczestników (2)
umiejętności i projekty w Claude, różnorodne narzędzia do różnych celów
Agnieszka Czypionka
Szkolenie - Generative AI in Healthcare: Transforming Medicine and Patient Care
Przetłumaczone przez sztuczną inteligencję
Kompleksowość w zakresie tła; jak tworzyć prompt.
Olaf Kannt - Helios Klinikum Krefeld
Szkolenie - Generative AI and Prompt Engineering in Healthcare
Przetłumaczone przez sztuczną inteligencję