Online lub na miejscu, prowadzone przez instruktora kursy TinyML demonstrują poprzez interaktywne ćwiczenia praktyczne, jak wykorzystywać uczenie maszynowe na urządzeniach o ultra niskim zużyciu energii, aby umożliwić aplikacje oparte na sztucznej inteligencji w środowiskach o ograniczonych zasobach.
Szkolenia TinyML są dostępne jako "szkolenie na żywo online" lub "szkolenie na żywo na miejscu". Szkolenie na żywo online (znane również jako "zdalne szkolenie na żywo") jest przeprowadzane za pomocą interaktywnego pulpitu zdalnego. Szkolenie na żywo na miejscu może być przeprowadzone lokalnie w siedzibie klienta w Trójmiasto lub w korporacyjnych centrach szkoleniowych NobleProg w Trójmiasto.
NobleProg -- Twój lokalny dostawca szkoleń
Gdynia
Hotel Nadmorski, Ejsmonda 2, Gdynia, Polska, 81-409
Sala szkoleniowa znajduje się zaledwie 3 kilometry od Dworca PKP/PKS w Gdyni, co sprawia, że jest łatwo dostępna dla uczestników podróżujących pociągiem lub autobusem. Dodatkowo, jest oddalona tylko o 400 metrów od przystanku autobusowego, ułatwiając dojazd nawet tym, którzy podróżują komunikacją miejską. Wyposażona jest w niezbędne narzędzia do prowadzenia szkoleń, takie jak rzutnik, ekran oraz flipchart, co zapewnia komfortowe warunki dla uczestników i prowadzącego zajęcia.
Gdańsk
Hotel Fahrenheit, Grodzka 19, Gdańsk, Polska, 80-841
Sala szkoleniowa znajduje się w samym sercu malowniczej gdańskiej starówki, co sprawia, że otoczenie jest nie tylko inspirujące, ale także wyjątkowo atrakcyjne dla uczestników. W niedalekiej odległości można znaleźć dworzec PKP oraz PKS, ułatwiając przyjazd zarówno tym podróżującym pociągiem, jak i autobusem. Dodatkowo, lotnisko i port są również w zasięgu ręki, co czyni tę lokalizację wygodną dla osób przybywających z dalszych miejscowości, zarówno z kraju, jak i spoza jego granic.
To szkolenie prowadzone przez instruktora, na żywo w Trójmiasto (online lub na miejscu) jest skierowane do inżynierów systemów wbudowanych, programistów IoT oraz badaczy AI na poziomie średniozaawansowanym, którzy chcą wdrożyć techniki TinyML w aplikacjach zasilanych AI na energooszczędnym sprzęcie.
Po zakończeniu szkolenia uczestnicy będą mogli:
Zrozumieć podstawy TinyML i AI na urządzeniach brzegowych.
Wdrażać lekkie modele AI na mikrokontrolerach.
Optymalizować wnioskowanie AI pod kątem niskiego poboru mocy.
Integrować TinyML z rzeczywistymi aplikacjami IoT.
TinyML to podejście do uczenia maszynowego zoptymalizowane dla małych urządzeń o ograniczonych zasobach.
To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do osób na poziomie początkującym i średnio zaawansowanym, które chcą budować działające aplikacje TinyML przy użyciu Raspberry Pi, Arduino i podobnych mikrokontrolerów.
Po ukończeniu szkolenia uczestnicy zdobędą umiejętności do:
Zbierania i przygotowywania danych dla projektów TinyML.
Trenowania i optymalizowania małych modeli uczenia maszynowego dla środowisk mikrokontrolerów.
Wdrażania modeli TinyML na Raspberry Pi, Arduino i podobnych płytkach.
TinyML to praktyka wdrażania zoptymalizowanych modeli uczenia maszynowego na urządzeniach brzegowych o ograniczonych zasobach.
To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów technicznych na zaawansowanym poziomie, którzy chcą projektować, optymalizować i wdrażać kompleksowe potoki TinyML.
Po zakończeniu szkolenia uczestnicy dowiedzą się, jak:
Zbierać, przygotowywać i zarządzać zestawami danych dla aplikacji TinyML.
Trenować i optymalizować modele dla mikrokontrolerów o niskim poborze mocy.
Konwertować modele do lekkich formatów odpowiednich dla urządzeń brzegowych.
Wdrażać, testować i monitorować aplikacje TinyML w rzeczywistych środowiskach sprzętowych.
Format kursu
Wykłady prowadzone przez instruktora oraz dyskusje techniczne.
Praktyczne laboratoria i iteracyjne eksperymenty.
Praktyczne wdrażanie na platformach opartych na mikrokontrolerach.
Opcje dostosowania kursu
Aby dostosować szkolenie do konkretnych łańcuchów narzędziowych, płytek sprzętowych lub wewnętrznych procesów, skontaktuj się z nami, aby to uzgodnić.
TinyML to podejście do wdrażania modeli uczenia maszynowego na urządzeniach o niskim zużyciu energii i ograniczonych zasobach, działających na krawędzi sieci.
To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów na zaawansowanym poziomie, którzy chcą zabezpieczyć potoki TinyML i wdrożyć techniki zachowania prywatności w aplikacjach sztucznej inteligencji na krawędzi.
Po zakończeniu kursu uczestnicy będą mogli:
Zidentyfikować ryzyka bezpieczeństwa związane z wnioskowaniem TinyML na urządzeniach.
Wdrożyć mechanizmy zachowania prywatności w wdrożeniach sztucznej inteligencji na krawędzi.
Wzmocnić modele TinyML i systemy wbudowane przed zagrożeniami ze strony przeciwników.
Stosować najlepsze praktyki w zakresie bezpiecznego przetwarzania danych w środowiskach o ograniczonych zasobach.
Format kursu
Wciągające wykłady wspierane dyskusjami prowadzonymi przez ekspertów.
Praktyczne ćwiczenia koncentrujące się na rzeczywistych scenariuszach zagrożeń.
Praktyczna implementacja z wykorzystaniem narzędzi bezpieczeństwa wbudowanego i TinyML.
Opcje dostosowania kursu
Organizacje mogą zamówić dostosowaną wersję tego szkolenia, aby dostosować je do swoich specyficznych potrzeb związanych z bezpieczeństwem i zgodnością.
TinyML to framework umożliwiający wdrażanie modeli uczenia maszynowego na mikrokontrolerach o niskim poborze mocy oraz platformach wbudowanych używanych w robotyce i systemach autonomicznych.
To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do profesjonalistów na zaawansowanym poziomie, którzy chcą zintegrować możliwości percepcji i podejmowania decyzji oparte na TinyML w autonomicznych robotach, dronach i inteligentnych systemach sterowania.
Po zakończeniu kursu uczestnicy będą mogli:
Projektować zoptymalizowane modele TinyML dla zastosowań w robotyce.
Implementować potoki percepcji na urządzeniach do autonomicznego działania w czasie rzeczywistym.
Integrować TinyML z istniejącymi frameworkami sterowania robotami.
Wdrażać i testować lekkie modele AI na platformach sprzętowych wbudowanych.
Format kursu
Wykłady techniczne połączone z interaktywnymi dyskusjami.
Praktyczne laboratoria skupiające się na zadaniach związanych z robotyką wbudowaną.
Ćwiczenia praktyczne symulujące rzeczywiste autonomiczne przepływy pracy.
Opcje dostosowania kursu
Dla środowisk robotyki specyficznych dla organizacji, możliwe jest dostosowanie na życzenie.
TinyML to framework do wdrażania modeli uczenia maszynowego na urządzeniach o niskim zużyciu energii i ograniczonych zasobach w terenie.
To szkolenie prowadzone przez instruktora (online lub na miejscu) jest przeznaczone dla profesjonalistów na poziomie średniozaawansowanym, którzy chcą zastosować techniki TinyML w rozwiązaniach inteligentnego rolnictwa, aby zwiększyć automatyzację i inteligencję środowiskową.
Po ukończeniu programu uczestnicy zdobędą umiejętności do:
Budowania i wdrażania modeli TinyML do aplikacji rolniczych.
Integracji sztucznej inteligencji na urządzeniach brzegowych z ekosystemami IoT do automatycznego monitorowania upraw.
Używania specjalistycznych narzędzi do trenowania i optymalizacji lekkich modeli.
Rozwijania przepływów pracy dla precyzyjnego nawadniania, wykrywania szkodników i analizy środowiskowej.
Format kursu
Prezentacje z przewodnikiem i dyskusje techniczne.
Praktyczne ćwiczenia z wykorzystaniem rzeczywistych danych i urządzeń.
Eksperymenty praktyczne w środowisku laboratoryjnym.
Opcje dostosowania kursu
Aby dostosować szkolenie do konkretnych systemów rolniczych, skontaktuj się z nami w celu personalizacji programu.
TinyML to integracja uczenia maszynowego w urządzeniach noszonych i medycznych o niskim poborze mocy i ograniczonych zasobach.
To szkolenie prowadzone przez instruktora, na żywo (online lub na miejscu), skierowane jest do praktyków na poziomie średniozaawansowanym, którzy chcą wdrażać rozwiązania TinyML w aplikacjach do monitorowania i diagnostyki w opiece zdrowotnej.
Po ukończeniu szkolenia uczestnicy będą mogli:
Projektować i wdrażać modele TinyML do przetwarzania danych zdrowotnych w czasie rzeczywistym.
Zbierać, przetwarzać i interpretować dane z biosensorów w celu uzyskania spostrzeżeń opartych na AI.
Optymalizować modele pod kątem urządzeń noszonych o niskim poborze mocy i ograniczonej pamięci.
Oceniać kliniczną istotność, niezawodność i bezpieczeństwo wyników generowanych przez TinyML.
Format kursu
Wykłady wspierane przez demonstracje na żywo i interaktywne dyskusje.
Praktyczne ćwiczenia z danymi z urządzeń noszonych i frameworkami TinyML.
Ćwiczenia wdrażające w przewodzonym środowisku laboratoryjnym.
Opcje dostosowania kursu
Aby dostosować szkolenie do konkretnych urządzeń medycznych lub przepisów prawnych, skontaktuj się z nami w celu personalizacji programu.
TinyML to praktyka wdrażania modeli uczenia maszynowego na sprzęcie o bardzo ograniczonych zasobach.
To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do zaawansowanych praktyków, którzy chcą optymalizować modele TinyML pod kątem niskiego opóźnienia i efektywnego wykorzystania pamięci na urządzeniach wbudowanych.
Po ukończeniu szkolenia uczestnicy będą mogli:
Stosować techniki kwantyzacji, przycinania i kompresji, aby zmniejszyć rozmiar modelu bez utraty dokładności.
Benchmarkować modele TinyML pod kątem opóźnienia, zużycia pamięci i efektywności energetycznej.
Implementować zoptymalizowane potoki wnioskowania na mikrokontrolerach i urządzeniach brzegowych.
Oceniać kompromisy między wydajnością, dokładnością a ograniczeniami sprzętowymi.
Format kursu
Prezentacje prowadzone przez instruktora wspierane demonstracjami technicznymi.
Praktyczne ćwiczenia optymalizacyjne i testy porównawcze wydajności.
Praktyczna implementacja potoków TinyML w kontrolowanym środowisku laboratoryjnym.
Opcje dostosowania kursu
Aby dostosować szkolenie do konkretnych platform sprzętowych lub wewnętrznych procesów, skontaktuj się z nami w celu personalizacji programu.
To szkolenie prowadzone przez instruktora na żywo w Trójmiasto (online lub na miejscu) jest skierowane do programistów IoT na poziomie średnio zaawansowanym, inżynierów embedded oraz praktyków AI, którzy chcą wdrożyć TinyML w celu przewidywania awarii, wykrywania anomalii oraz w aplikacjach inteligentnych czujników.
Pod koniec szkolenia uczestnicy będą mogli:
Zrozumieć podstawy TinyML i jego zastosowania w IoT.
Skonfigurować środowisko programistyczne TinyML dla projektów IoT.
Tworzyć i wdrażać modele uczenia maszynowego na mikrokontrolerach o niskim poborze mocy.
Wdrażać przewidywanie awarii i wykrywanie anomalii za pomocą TinyML.
Optymalizować modele TinyML pod kątem efektywnego wykorzystania energii i pamięci.
To szkolenie prowadzone przez instruktora na żywo w Trójmiasto (online lub na miejscu) jest skierowane do inżynierów systemów wbudowanych i deweloperów AI na poziomie średniozaawansowanym, którzy chcą wdrażać modele uczenia maszynowego na mikrokontrolerach przy użyciu TensorFlow Lite i Edge Impulse.
Po zakończeniu szkolenia uczestnicy będą mogli:
Zrozumieć podstawy TinyML i jego korzyści dla aplikacji AI na urządzeniach brzegowych.
Skonfigurować środowisko programistyczne dla projektów TinyML.
Szkolić, optymalizować i wdrażać modele AI na mikrokontrolerach o niskim zużyciu energii.
Wykorzystać TensorFlow Lite i Edge Impulse do implementacji praktycznych aplikacji TinyML.
Optymalizować modele AI pod kątem efektywności energetycznej i ograniczeń pamięciowych.
To szkolenie prowadzone przez instruktora, na żywo w Trójmiasto (online lub na miejscu) jest skierowane do inżynierów i naukowców zajmujących się danymi na poziomie podstawowym, którzy chcą zrozumieć podstawy TinyML, poznać jego zastosowania i wdrażać modele AI na mikrokontrolerach.
Po zakończeniu 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.
Stosować TinyML w praktycznych zastosowaniach, takich jak rozpoznawanie gestów, wykrywanie anomalii i przetwarzanie dźwięku.
