Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в TinyML
- Какво е TinyML?
- Значението на машинното обучение върху микроконтролери
- Сравнение между традиционния AI и TinyML
- Преглед на хардуерните и софтуерните изисквания
Настройване на TinyML среда
- Инсталиране на Arduino IDE и настройка на средата за разработка
- Въведение в TensorFlow Lite и Edge Impulse
- Мигане и конфигуриране на микроконтролери за TinyML приложения
Изграждане и внедряване на TinyML модели
- Разбиране на работния процес TinyML.
- Обучение на прост модел за машинно обучение за микроконтролери
- Конвертиране на AI модели във формат TensorFlow Lite.
- Разполагане на модели върху хардуерни устройства
Оптимизиране TinyML за Edge устройства
- Намаляване на паметта и изчислителния отпечатък
- Техники за квантуване и моделна компресия
- Сравнителен анализ TinyML на производителността на модела
TinyML Приложения и Use Cases
- Разпознаване на жестове с помощта на данни от акселерометър
- Аудио класификация и откриване на ключови думи
- Откриване на аномалии за предсказуема поддръжка
TinyML Предизвикателства и бъдещи тенденции
- Хардуерни ограничения и стратегии за оптимизация
- Загриженост за сигурността и поверителността в TinyML
- Бъдещ напредък и изследвания в TinyML
Обобщение и следващи стъпки
Изисквания
- Основни познания по програмиране (Python или C/C++)
- Познаване на концепциите за машинно обучение (препоръчва се, но не е задължително)
- Разбиране на вградените системи (незадължително, но полезно)
Публика
- Инженери
- Учени по данни
- AI ентусиасти
14 Часа
