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 Trójmiasto lub w korporacyjnych centrach szkoleniowych NobleProg w Trójmiasto.
NobleProg -- Twój Lokalny Dostawca Szkolenia
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, 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 Trójmiasto (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 Trójmiasto (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.
