Zkuste nás kontaktovat
 Doba trvání 21 hodiny

Návrh Školení

Úvod do Edge AI a TinyML

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

Základy TinyML

  • Strojové učení pro zdrojově omezené systémy
  • Kvantizace, ořez a komprese modelů
  • Podporované frameworky a hardwarové platformy

Vývoj a konverze modelů

  • Trénování lehkých modelů pomocí TensorFlowu nebo PyTorchu
  • Konverze modelů do TensorFlow Lite a PyTorch Mobile
  • Testování a validace přesnosti modelů

Implementace inferencí na zařízení

  • Nasazování AI modelů na vestavěné desky (Arduino, Raspberry Pi, Jetson Nano)
  • Integrace inferencí s percepcí a ovládáním robotů
  • Spuštění reálných predikcí a monitorování výkonu

Optimalizace pro výkon na okraji sítě

  • Snižování latence a spotřeby energie
  • Hardwarové zrychlení pomocí NPUs a GPU
  • Benchmarkování a profilování vestavěné inferencí

Frameworky a nástroje Edge AI

  • Práce s TensorFlow Lite a Edge Impulse
  • Prozkoumání možností nasazení PyTorch Mobile
  • Ladění a nastavení vestavěných pracovních toků ML

Praктиcká integrace a case studies

  • Navrhování percepcních systémů 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++
  • Znalost základních konceptů strojového učení

Publikum

  • Vývojáři vestavěných systémů
  • Inženýři robotiky
  • Systémoví integrátoři pracující s inteligentními zařízeními

Počet účastníků


Cena za účastníka

Reference (2)

Nadcházející kurzy

Související kategorie