Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Vstup do TinyML
- Co je TinyML?
- Význam strojového učení v mikrokontrolerech
- Srovnání mezi tradičním AI a TinyML
- Přehled hardware a software požadavků
Nastavení prostředí pro TinyML
- Instalace Arduino IDE a nastavení vývojového prostředí
- Úvod do TensorFlow Lite a Edge Impulse
- Firmware a konfigurace mikrokontrolerů pro aplikace TinyML
Vytváření a nasazování modelů TinyML
- Rozumění pracovnímu procesu TinyML
- Trénování jednoduchého modelu strojového učení pro mikrokontrolery
- Převod AI modelů do formátu TensorFlow Lite
- Nasazování modelů na hardwarová zařízení
Optimalizace TinyML pro okrajové zařízení
- Snížení paměťového a výpočetního zátěže
- Techniky kvantizace a komprese modelu
- Benchmarking výkonu modelů TinyML
Aplikace TinyML a Use Cases
- Detekce gest pomocí dat akcelerometru
- Klasterování zvuku a rozpoznávání klíčových frází
- Detekce anomálií pro prediktivní údržbu
Výzvy TinyML a budoucí trendy
- Hardware omezení a strategie optimalizace
- Zabezpečení a ochrana soukromí v TinyML
- Budoucí pokroky a výzkum v TinyML
Souhrn a další kroky
Požadavky
- Základní znalosti programování (Python nebo C/C++)
- Znalost konceptů strojového učení (doporučeno, ale není povinné)
- Pochopení vnořených systémů (volitelné, ale prospěšné)
Cílová skupina
- Inženýři
- Data vědci
- Fandom AI
14 hodiny
