Návrh Školení

Úvod do TinyML

  • Co je TinyML?
  • Význam strojového učení na mikrokontrolérech
  • Srovnání mezi tradiční AI a TinyML
  • Přehled hardwarových a softwarových požadavků

Nastavení prostředí TinyML

  • Instalace Arduino IDE a nastavení vývojového prostředí
  • Úvod do TensorFlow Lite a Edge Impulse
  • Flashování a konfigurace mikrokontrolérů pro TinyML aplikace

Sestavení a nasazení TinyML modelů

  • Pochopení pracovního postupu TinyML
  • Trénink jednoduchého modelu strojového učení pro mikrokontroléry
  • Převod modelů AI do formátu TensorFlow Lite
  • Nasazení modelů na hardwarová zařízení

Optimalizace TinyML pro okrajová zařízení

  • Snížení paměti a výpočetní náročnosti
  • Techniky kvantizace a komprese modelu
  • Srovnávací TinyML výkon modelu

TinyML Aplikace a Use Cases

  • Rozpoznávání gest pomocí údajů akcelerometru
  • Klasifikace zvuku a rozpoznávání klíčových slov
  • Detekce anomálií pro prediktivní údržbu

TinyML Výzvy a budoucí trendy

  • Hardwarová omezení a optimalizační strategie
  • Obavy o bezpečnost a soukromí v TinyML
  • Budoucí pokrok a výzkum v TinyML

Shrnutí a další kroky

Požadavky

  • Základní znalosti programování (Python nebo C/C++)
  • Znalost konceptů strojového učení (doporučeno, ale není vyžadováno)
  • Pochopení vestavěných systémů (volitelné, ale užitečné)

Publikum

  • Inženýři
  • Datoví vědci
  • nadšenci AI
 14 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie