Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Úvod do TinyML a Edge AI
- Co je TinyML?
- Výhody a výzvy AI na mikrokontrolérech
- Přehled nástrojů pro TinyML: TensorFlow Lite a Edge Impulse
- Případová použití TinyML ve IoT a skutečném světě
Nastavení vývojového prostředí pro TinyML
- Instalace a konfigurace Arduino IDE
- Úvod do TensorFlow Lite pro mikrokontrolery
- Použití Edge Impulse Studio pro vývoj TinyML
- Připojení a testování mikrokontrolérů pro AI aplikace
Vytváření a školení modelů strojového učení
- Pochopení pracovního postupu TinyML
- Sběr a předzpracování dat ze senzorů
- Školení modelů strojového učení pro zastrukturovanou AI
- Optimalizace modelů pro nízkou spotřebu a reálný časový zpracování
Nasazování AI modelů na mikrokontroléry
- Převod AI modelů do formátu TensorFlow Lite
- Flashování a spouštění modelů na mikrokontrolérech
- Ověřování a ladění implementací TinyML
Optimalizace TinyML pro výkon a efektivitu
- Techniky kvantizace a komprese modelů
- Strategie správy energie pro AI na hranici
- Omezení paměti a výpočetních zdrojů ve zastrukturované AI
Praktická použití TinyML
- Rozpoznávání gest pomocí dat akcelerometru
- Třídění zvuků a detekce klíčových slov
- Detekce výkonnostních anomálií pro předpovědnou údržbu
Bezpečnost a budoucí trendy v TinyML
- Zajištění ochrany osobních údajů a bezpečnosti v aplikacích TinyML
- Výzvy společného učení na mikrokontrolérech
- Nástupná výzkumy a pokroky v TinyML
Shrnutí a další kroky
Požadavky
- Zkušenosti s programováním vnořených systémů
- znalost programování v Pythonu nebo C/C++
- Základní znalosti konceptů strojového učení
- Pochopení hardware mikrokontrolerů a jejich periferií
Cílová skupina
- Inženýři vnořených systémů
- Vývojáři AI
21 hodiny