TinyML pro aplikace v IoT Počítačový Kurz

TinyML je praxe nasazení optimalizovaných modelů strojového učení na zařízeních s omezenými zdroji na hranici síťe.

Toto instruktorem vedené živé školení (online nebo prezenčně) je určeno pokročilým technickým profesionálům, kteří chtějí navrhovat, optimalizovat a nasazovat kompletní TinyML kanály.

Na konci tohoto školení budou účastníci naučeni:

• Shromažďovat, připravovat a spravovat datové sady pro TinyML aplikace.
• Trénovat a optimalizovat modely pro mikrokontrolery s nízkou spotřebou energie.
• Převádět modely do lehkých formátů vhodných pro zařízení na hranici síťe.
• Nasazovat, testovat a monitorovat TinyML aplikace v reálných hardwarových prostředích.

Formát kurzu

• Instruktorem vedené přednášky a technické diskuze.
• Praktické laboratoře a iterativní experimenty.
• Rukama dotknutí nasazení na platformách založených na mikrokontrolerech.

Možnosti přizpůsobení kurzu

• Pro přizpůsobení školení konkrétním toolchainy, hardwarovým desкам, nebo interním pracovním postupům nás kontaktujte k úpravě.

Toto instruktorem vedené živé školení (online nebo na místě) je určeno středně pokročilým IT profesionálům a manažerům, kteří chtějí pochopit potenciál IoT a hraničního výpočtu (edge computing) pro zlepšení efektivity, reálného času zpracování dat a inovace v různých odvětvích.

Na konci tohoto školení budou účastníci schopni:

• Porozumět principům IoT a hraničního výpočtu a jejich roli ve digitální transformaci.
• Identifikovat případné použití IoT a hraničního výpočtu v odvětvích strojírenství, logistiky a energetiky.
• Rozlišovat mezi architekturami a scénáři nasazení hraničního a cloudu výpočtu.
• Implementovat řešení hraničního výpočtu pro prediktivní údržbu a rozhodování v reálném čase.

Tento instruktážní až živý školení na místě nebo online je určeno pro středně pokročilé vývojáře, architekti systémů a odborníky z odvětví, kteří chtějí využít Edge AI ke zlepšení IoT aplikací s inteligentními funkcemi zpracování dat a analýzy.

Po absolvování tohoto školení budou účastníci schopni:

• Pochopit základy Edge AI a jejich aplikaci v IoT.
• Nastavit a nakonfigurovat prostředí Edge AI pro IoT zařízení.
• Vytvářet a nasazovat AI modely na hranicových zařízeních pro IoT aplikace.
• Implementovat reálně časové zpracování dat a rozhodování v IoT systémech.
• Integrát Edge AI s různými IoT protokoly a platformami.
• Řešit etická úvahy a nejlepší praktiky v oblasti Edge AI pro IoT.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na produktové manažery a vývojáře, kteří chtějí použít Edge Computing k decentralizaci správy dat pro rychlejší výkon s využitím chytrých zařízení umístěných ve zdrojové síti.

Na konci tohoto školení budou účastníci schopni:

• Pochopit základní pojmy a výhody Edge Computing.
• Identifikujte případy použití a příklady, kde lze použít Edge Computing.
• Navrhujte a sestavujte Edge Computing řešení pro rychlejší zpracování dat a snížení provozních nákladů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé profesionály, kteří chtějí použít Federated Learning k optimalizaci řešení IoT a edge computingu.

Na konci tohoto školení budou účastníci schopni:

• Pochopte principy a výhody Federated Learning v IoT a edge computingu.
• Implementujte modely Federated Learning na zařízení IoT pro decentralizované zpracování AI.
• Snižte latenci a zlepšujte rozhodování v reálném čase v okrajových počítačových prostředích.
• Řešení problémů souvisejících s ochranou osobních údajů a síťovými omezeními v systémech IoT.

Toto instruktážní, živé školení v České republice (online nebo na místě) je určeno pro středně pokročilé inženýry embedded systémů a vývojáře AI, kteří chtějí nasadit modely strojového učení na mikrokontrolery pomocí TensorFlow Lite a Edge Impulse.

Po absolvování tohoto školení budou účastníci schopni:

• Pochopit základy TinyML a jeho výhody pro aplikace hraniční AI.
• Nastavit vývojové prostředí pro projekty TinyML.
• Trénovat, optimalizovat a nasadit modely AI na mikrokontrolery s nízkou spotřebu energie.
• Použít TensorFlow Lite a Edge Impulse k implementaci reálných aplikací TinyML.
• Optimalizovat modely AI pro energetickou účinnost a omezující faktory paměti.

V tomto živém školení vedeném instruktorem v České republice se účastníci seznámí s různými aspekty NB-IoT (také známého jako LTE Cat NB1) při vývoji a nasazení ukázkové aplikace založené na NB-IoT.

Na konci tohoto školení budou účastníci schopni:

• Identifikujte různé složky NB-IoT a jak do sebe zapadnout, aby vytvořily ekosystém.
• Pochopte a vysvětlete bezpečnostní funkce zabudované do NB-IoT zařízení.
• Vytvořte jednoduchou aplikaci pro sledování NB-IoT zařízení.

TinyML je praktikou nasazování modelů strojového učení na hardwaru s omezenými zdroji.

Toto školení pod vedením instruktora (online nebo přítomně) je zaměřeno na pokročilé praktiky, kteří chtějí optimalizovat modely TinyML pro rychlé a paměťově efektivní nasazení na vestavěná zařízení.

Po absolvování tohoto školení budou účastníci schopni:

• Aplikovat techniky kvantizace, přistřihování a komprese k zmenšení velikosti modelu bez omezování přesnosti.
• Porovnávat modely TinyML podle latence, spotřeby paměti a energetické efektivity.
• Implementovat optimalizované odtokové trasy na mikrokontrolérech a hraničních zařízeních.
• Posuzovat kompromisy mezi výkonem, přesností a omezeními hardwaru.

Formát kurzu

• Prezentace vedená instruktorem podporovaná technickými ukázkami.
• Praktické cvičení optimalizace a porovnání výkonu.
• Praktická implementace potrubí TinyML v kontrolovaném laboratorním prostředí.

Možnosti přizpůsobení kurzu

• Pro školení přizpůsobené konkrétním hardwarovým platformám nebo interním pracovním postupům, nás kontaktujte pro přizpůsobení programu.

TinyML je přístup k nasazování modelů strojového učení na zařízeních s omezenými zdroji, která fungují na okraji sítě.

Tato školení pod vedením instruktora (online nebo přímo na místě) je zaměřena na odborníky pokročilé úrovně, kteří chtějí zabezpečit kanály TinyML a implementovat techniky ochrany soukromí v aplikacích hraničního umělé inteligence (AI).

Na konci tohoto kurzu budou účastníci schopni:

• Identifikovat bezpečnostní rizika specifická pro zpracování TinyML na zařízení.
• Implementovat mechanismy ochrany soukromí pro nasazení AI na hranici sítě.
• Zpevnit modely TinyML a vestavěné systémy proti adversním hrozbám.
• Aplikovat osvědčené postupy pro zabezpečení zacházení s daty v omezených prostředích.

Formát kurzu

• Angažující přednášky podporované diskusemi vedenými odborníkem.
• Praktické cvičení s důrazem na skutečné hrozebné scénáře.
• Rukojmí implementace pomocí vestavěných bezpečnostních a nástrojů TinyML.

Možnosti přizpůsobení kurzu

• Organizace mohou požádat o upravenou verzi tohoto školení, aby se shodovala s jejich specifickými bezpečnostními a souladovými potřebami.

ThingsBoard je open source platforma IoT, která nabízí správu zařízení, sběr dat, zpracování a vizualizaci pro vaše řešení IoT.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak integrovat ThingsBoard do svých řešení IoT.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte ThingsBoard
• Pochopte základy ThingsBoard funkcí a architektury
• Vytvářejte aplikace IoT pomocí ThingsBoard
• Integrujte ThingsBoard s Kafkou pro směrování dat telemetrického zařízení
• Integrujte ThingsBoard s Apache Spark pro agregaci dat z více zařízení

Publikum

• Softwaroví inženýři
• Hardwaroví inženýři
• Vývojáři

Formát kurzu

• Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Poznámka

• Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.

Tento instruktážní živý výcvik na místě nebo online je určen pro začínající inženýry a datové vědce, kteří chtějí pochopit základy TinyML,zkoumat jeho aplikace a nasazovat AI modely na mikrokontrolery.

Konec tohoto výcviku budou účastníci schopni:

• Pochopit základy TinyML a jejich význam.
• Nasazovat lehké AI modely na mikrokontrolery a zařízení na okraji sítě.
• Optimalizovat a posouzená modely strojového učení pro nízký spotřebu energie.
• Aplikovat TinyML pro skutečné aplikace, jako je rozpoznávání gest, detekce anomálií a zpracování zvuku.

TinyML je rámec pro nasazení modelů strojového učení na mikrokontrolérech s nízkým spotřebou a vložených platformách používaných v robotice a autonomních systémech.

Tato vedená instruktorem živá školení (online nebo na místě) je zaměřena na pokročilé profesionály, kteří chtějí integrovat do autonomních robotů, dronů a inteligentních řídících systémů založené schopnosti vnímání a rozhodování pomocí TinyML.

Po absolvování tohoto kurzu budou účastníci schopni:

• Návrh optimalizovaných modelů TinyML pro robotické aplikace.
• Implementace trubek vnímání na zařízení pro skutečnou autonomii v reálném čase.
• Integrace TinyML do stávajících robotických řídících rámů.
• Nasazení a testování lehkých AI modelů na vložené hardwarové platformy.

Formát kurzu

• Technické přednášky kombinované s interaktivními diskuzemi.
• Praktické laboratoře zaměřené na vložené robotické úkoly.
• Praktické cvičení simuluje reálné pracovní autonómni případy.

Možnosti přizpůsobení kurzu

• Pro organizace specifické robotické prostředí lze přizpůsobení uspořádat na žádost.

Tento instruktorově řízené,živé školení v České republice (online nebo na místním přednáškovém zařízení) je určen pro středně kvalifikované inženýry s embedded systémy, vývojáře IoT a AI badatele, kteří chtějí implementovat techniky TinyML pro AI-zapojené aplikace na energeticky efektivní hardwaru.

Po ukončení tohoto školení budou účastníci schopni:

• Pochopit základy TinyML a hraničního AI.
• Nasazovat lehké AI modely na mikrokontroléry.
• Optimalizovat AI dedukci pro nízkou spotřebu energie.
• Integrace TinyML s skutečnými IoT aplikacemi.

TinyML je integrace strojového učení do náhradních a lékařských zařízení s omezenými zdroji energie.

Tuto vedenou instruktorem živou školení (online nebo na místě) je zaměřeno na praktikující lidi střední úrovně, kteří chtějí implementovat řešení TinyML pro monitorování a diagnostické aplikace v zdravotnictví.

Po absolvování tohoto školení budou účastníci schopni:

• Návrhu a nasazování modelů TinyML pro zpracování dat o zdravotním stavu v reálném čase.
• sběru, předzpracování a interpretace biocenzorových dat pro AI-odvoděné poznatky.
• optimalizace modelů pro nositelná zařízení s omezenými zdroji energie a paměti.
• hodnocení klinické relevantnosti, spolehlivosti a bezpečnosti výstupů řízených TinyML.

Formát kurzu

• Přednášky podporované živými demonstracemi a interaktivní diskusí.
• Praktická cvičení s daty nositelných zařízení a rámci TinyML.
• Implementační cvičení v naváděném laboratorním prostředí.

Možnosti přizpůsobení kurzu

• Pro zaměřené školení, které odpovídá specifickým zdravotnickým zařízením nebo regulačním pracovním postupům, nás kontaktujte k přizpůsobení programu.

TinyML je rámec určený k nasazování modelů strojového učení na zařízení s nízkou spotřebou energie a omezenými zdroji v teréně.

Tato instruktorem vedená živá školení (on-line nebo na místě) je určena pro profesionály střední úrovně, kteří chtějí aplikovat techniky TinyML na řešení inteligentního zemědělství, které posilují automatizaci a environmentální informace.

Po absolvování tohoto programu budou účastníci schopni:

• Vytvářet a nasazovat modely TinyML pro aplikace senzorového monitoringu v zemědělství.
• Integrovat hraniční AI do IoT ekosystémů pro automatizovaný monitoring plodin.
• Používat specializované nástroje k trénování a optimalizaci lehkých modelů.
• Vytvářet pracovní postupy pro přesné zavlažování, detekci škůdců a environmentální analýzy.

Formát kurzu

• Vedoucí prezentace a aplikovaná technická diskuse.
• Praktické cvičení na reálných datech a zařízeních.
• Praktické experimentování v podporovaném laboratorním prostředí.

Možnosti přizpůsobení kurzu

• Pro školení přizpůsobené konkrétním systémům zemědělství, nás kontaktujte pro přizpůsobení programu.