Zkuste nás kontaktovat

Návrh Školení

Úvod do Edge AI a TinyML

  • Přehled AI na okraji sítě (edge)
  • Výhody a výzvy spouštění AI na zařízeních
  • Použití v robotice a automatizaci

Základy TinyML

  • Strojové učení pro systémy s omezenými zdroji
  • Kvantizace, prořezávání a komprese modelů
  • Podporované frameworky a hardwarové platformy

Vývoj a převod modelů

  • Trénování lehkých modelů pomocí TensorFlow nebo PyTorch
  • Převod modelů do TensorFlow Lite a PyTorch Mobile
  • Testování a validace přesnosti modelů

Implementace inferování na zařízení

  • Nasazení modelů AI na vestavěné desky (Arduino, Raspberry Pi, Jetson Nano)
  • Integrace inferování s vnímáním a ovládáním robotů
  • Spouštění predikcí v reálném čase a monitorování výkonu

Optimalizace pro výkon na okraji sítě

  • Snižování latence a spotřeby energie
  • Hardwarové urychlení pomocí NPU a GPU
  • Benchmarking a profiling vestavěného inferování

Frameworky a nástroje Edge AI

  • Práce s TensorFlow Lite a Edge Impulse
  • Prozkoumání možností nasazení PyTorch Mobile
  • Debugging a ladění vestavěných ML workflow

Praktická integrace a případové studie

  • Návrh systémů vnímání založených na Edge AI pro roboty
  • Integrace TinyML s robotickými architekturami založenými na ROS
  • Případové studie: autonomní navigace, detekce objektů, prediktivní údržba

Shrnutí a další kroky

Požadavky

  • Pochopení vestavěných systémů
  • Zkušenosti s programováním v Pythonu nebo C++
  • Oznámenost s základními koncepty strojového učení

Cílová skupina

  • Vývojáři vestavěných systémů
  • Inženýři robotiky
  • Systémoví integrátoři pracující na inteligentních zařízeních
 21 Hodiny

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie