Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 21 hodiny
Návrh Školení
Úvod do TinyML v zemědělství
- Porozumění možnostem TinyML
- Klíčové zemědělské use case
- Omezení a výhody inteligence přímo na zařízení
Hardwarové a senzorické ekosystémy
- Mikrokontroléry pro edge AI
- Časté zemědělské senzory
- Zohlednění spotřeby energie a konektivity
Sběr a předzpracování dat
- Metody získávání terénních dat
- Cištění dat ze senzorů a environmentálních dat
- Extrakce funkcí pro edge modely
Vytváření modelů TinyML
- Výběr modelu pro zařízení s omezenými zdroji
- Pracovní postupy tréninku a validace
- Optimalizace velikosti a účinnosti modelu
Nasazení modelů na edge zařízení
- Použití TensorFlow Lite pro mikrokontroléry
- Vypalování a spouštění modelů na hardwaru
- Odstraňování závad při nasazování
Aplikace v chytém zemědělství
- Hodnocení zdraví plodin
- Detekce škodlivého hmyzu a nemocí
- Precizní řízení zavlažování
Integrace IoT a automatizace
- Připojení edge AI k platformám pro správu farmy
- Automatizace řízená událostmi
- Pracovní postupy monitorování v reálném čase
Pokročilé techniky optimalizace
- Strategie kvantizace a prořezávání
- Přístupy k optimalizaci baterie
- Masové architektury pro velké nasazení
Shrnutí a další kroky
Požadavky
- Znalost pracovních postupů vývoje IoT
- Zkušenosti s prací s daty ze senzorů
- Obecné porozumění konceptům vestavěného AI
Cílová skupina
- Agrotechnologičtí inženýři
- Vývojáři IoT
- Vědci zabývající se AI
