Szkolenia z prowadzeniem na żywo online lub stacjonarnie TinyML demonstrują poprzez interaktywną praktykę ręczną, jak używać uczenia maszynowego na urządzeniach o ultra-niskim zużyciu energii, aby umożliwić aplikacje napędzane sztuczną inteligencją w środowiskach o ograniczonych zasobach.
Szkolenie TinyML jest dostępne jako "szkolenie na żywo online" lub "szkolenie na żywo stacjonarne". Szkolenie na żywo online (także znane jako "szkolenie na żywo zdalne") jest prowadzone za pomocą interaktywnego, zdalnego pulpitu. Szkolenie na żywo stacjonarne może być przeprowadzane lokalnie na terenie klienta w dolnośląskie lub w korporacyjnych centrach szkoleniowych NobleProg w dolnośląskie.
NobleProg -- Twój Lokalny Dostawca Szkolenia
Wrocław
NobleProg, Ludwika Rydygiera 2a/22, Wroclaw, Polska, 50-249
Lokal znajduje się w samym centrum miasta (vis-à-vis hotelu HP Park Plaza), zaledwie 10 minut spacerem od Rynku, tuż przy skrzyżowaniu ulic Drobnera i Rydygiera.
Wejście do budynku zlokalizowane jest od strony ulicy Śrutowej, tuż przy skrzyżowaniu z Bolesława Drobnera. Idąc od strony pl. Bema, mijamy po prawej stronie Rossmann i tuż za nim skręcamy w Śrutową - wejście będzie po prawej. Kierując się od pl. Dubois, mijamy po lewej aptekę Ziko oraz Carrefour Express i dochodzimy aż do skrzyżowania z ul. Śrutową - skręcamy w nią, wejście do budynku będzie po prawej stronie.
Sala szkoleniowa znajduje się na drugim piętrze.
Parking
W pobliżu sali szkoleniowej liczba miejsc parkingowych jest ograniczona, nie obowiązuje strefa płatnego parkowania (wzdłuż ulic Rydygiera, Śrutowej i Henryka Brodatego, Bolesława Drobnera). Ul. Ludwika Rydygiera jest jednokierunkowa, wjazd od ul. Bolesława Drobnera. Ul. Śrutowa także jest jednokierunkowa, wjazd od ul. Henryka Brodatego.
Dojazd komunikacją miejską
To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla inżynierów embedded na poziomie średniozaawansowanym, programistów IoT i badaczy AI, którzy chcą wdrożyć techniki TinyML dla aplikacji wspomaganych sztuczną inteligencją na energoszczędnym sprzęcie.
Po ukończeniu tego szkolenia uczestnicy będą mogli:
Zrozumieć podstawy TinyML i sztucznej inteligencji na krańcach sieci.
Wdrażać lekkie modele AI na mikrokontrolerach.
Optymalizować wnioskowanie AI dla niskiego zużycia energii.
Integrować TinyML z rzeczywistymi aplikacjami IoT.
To prowadzone przez instruktora szkolenie na żywo w dolnośląskie (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych programistów IoT, inżynierów wbudowanych i praktyków AI, którzy chcą wdrożyć TinyML do konserwacji predykcyjnej, wykrywania anomalii i aplikacji inteligentnych czujników.
Pod koniec tego szkolenia uczestnicy będą mogli
Zrozumieć podstawy TinyML i jego zastosowania w IoT.
Skonfigurować środowisko programistyczne TinyML dla projektów IoT.
Rozwijać i wdrażać modele ML na mikrokontrolerach o niskim poborze mocy.
Wdrożenie konserwacji predykcyjnej i wykrywania anomalii przy użyciu TinyML.
Optymalizacja modeli TinyML pod kątem efektywnego wykorzystania energii i pamięci.
To szkolenie prowadzone przez instruktora w dolnośląskie (online lub stacjonarnie) jest skierowane do inżynierów systemów wbudowanych i developerów AI na poziomie średnim, którzy chcą wdrażać modele uczenia maszynowego na mikrokontrolerach za pomocą TensorFlow Lite i Edge Impulse.
Po ukończeniu tego szkolenia uczestnicy będą w stanie:
Zrozumieć podstawy TinyML i jego korzyści dla zastosowań sztucznej inteligencji na krawędzi.
Zainstalować środowisko rozwojowe dla projektów TinyML.
Trenować, optymalizować i wdrażać modele AI na mikrokontrolerach o niskim zużyciu energii.
Używać TensorFlow Lite i Edge Impulse do implementacji rzeczywistych zastosowań TinyML.
Optymalizować modele AI pod kątem wydajności energetycznej i ograniczeń pamięci.
To szkolenie prowadzone przez instruktora (online lub na miejscu) skierowane jest do początkujących inżynierów i naukowców danych, którzy chcą zrozumieć podstawy TinyML, badać jego zastosowania oraz wdrażać modele AI na mikroprocesorach.
Po zakończeniu tego szkolenia uczestnicy będą w stanie:
Zrozumieć podstawy TinyML oraz jego znaczenie.
Wdrażać lekkościowe modele AI na mikroprocesorach i urządzeniach krawędziowych.
Optymalizować i dopasowywać modele uczenia maszynowego do niskiego zużycia energii.
Zastosować TinyML w realnych aplikacjach, takich jak rozpoznawanie gestów, wykrywanie anomalii i przetwarzanie dźwięku.