Przeglądaj szkolenia

TinyML: Running AI on Ultra-Low-Power Edge Devices

 21 godzin
This instructor-led, live training in Polsce (online or onsite) is aimed at intermediate-level embedded engineers, IoT developers, and AI researchers who wish to implement TinyML techniques for AI-powered applications on energy-efficient hardware. By the end of this training, participants will be able to:
  • Understand the fundamentals of TinyML and edge AI.
  • Deploy lightweight AI models on microcontrollers.
  • Optimize AI inference for low-power consumption.
  • Integrate TinyML with real-world IoT applications.
Więcej...

TinyML for IoT Applications

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Polsce (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.
Więcej...

Deploying AI on Microcontrollers with TinyML

 21 godzin
To prowadzone przez instruktora szkolenie na żywo w Polsce (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych inżynierów systemów wbudowanych i programistów AI, którzy chcą wdrożyć modele uczenia maszynowego na mikrokontrolerach przy użyciu TensorFlow Lite i Edge Impulse. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć podstawy TinyML i jego zalety dla aplikacji brzegowych AI.
  • Skonfigurować środowisko programistyczne dla projektów TinyML.
  • Trenować, optymalizować i wdrażać modele AI na mikrokontrolerach o niskim poborze mocy.
  • Wykorzystanie TensorFlow Lite i Edge Impulse do wdrożenia rzeczywistych aplikacji TinyML.
  • Optymalizacja modeli AI pod kątem wydajności energetycznej i ograniczeń pamięci.
Więcej...

Introduction to TinyML

 14 godzin
To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla początkujących inżynierów i naukowców zajmujących się danymi, którzy chcą zrozumieć podstawy TinyML, zbadać jego zastosowania i wdrożyć modele sztucznej inteligencji na mikrokontrolerach. Pod koniec tego szkolenia uczestnicy będą mogli
  • Zrozumieć podstawy TinyML i jego znaczenie.
  • Wdrażać lekkie modele AI na mikrokontrolerach i urządzeniach brzegowych.
  • Optymalizować i dostrajać modele uczenia maszynowego pod kątem niskiego zużycia energii.
  • Zastosować TinyML w rzeczywistych aplikacjach, takich jak rozpoznawanie gestów, wykrywanie anomalii i przetwarzanie dźwięku.
Więcej...

Ostatnia aktualizacja:

Propozycje terminów

Deploying AI on Microcontrollers with TinyML

2025-06-09 09:00
21 godzin
Online
3870 PLN (Zdalne)

Deploying AI on Microcontrollers with TinyML

2025-06-23 09:00
21 godzin
Online
3870 PLN (Zdalne)

TinyML for IoT Applications

2025-07-07 09:00
21 godzin
Online
3870 PLN (Zdalne)

Introduction to TinyML

2025-07-17 09:00
14 godzin
Online
2580 PLN (Zdalne)

TinyML for IoT Applications

2025-08-04 09:00
21 godzin
Online
3870 PLN (Zdalne)

Pozostałe regiony w Polsce

Inne kraje

Te szkolenia są również dostępne w innych krajach

Konsultacje

TinyML Konsultacje
Szkolenie online z TinyML, Kursy szkoleniowe online z TinyML, Weekendowe kursy online z TinyML, Wieczorne szkolenie online z TinyML, Szkolenie online prowadzone przez instruktora z TinyML, Zajęcia online z TinyML, Trener online z TinyML, Szkolenie online z TinyML, Wieczorne kursy online z TinyML, Kursy prywatne online z TinyML, Weekendowe szkolenie online z TinyML, Coaching online z TinyML, Trening jeden na jeden online z TinyML, Instruktor online z TinyML, Obóz treningowy online z TinyML, Szkolenie online prowadzone przez instruktora z TinyML