План на курса

Въведение в TinyML

  • Какво е TinyML?
  • Защо да стартирате AI на микроконтролери?
  • Предизвикателства и предимства на TinyML

Настройване на TinyML среда за разработка

  • Преглед на инструменталните вериги TinyML
  • Инсталиране на TensorFlow Lite за Microcontrollers
  • Работа с Arduino IDE и Edge Impulse

Изграждане и внедряване на TinyML модели

  • Обучение на AI модели за TinyML
  • Конвертиране и компресиране на AI модели за микроконтролери
  • Внедряване на модели на хардуер с ниска мощност

Оптимизиране на TinyML за енергийна ефективност

  • Техники на квантуване за компресиране на модела
  • Съображения за латентност и консумация на енергия
  • Балансиране на производителност и енергийна ефективност

Извод в реално време на Microcontrollers

  • Обработка на сензорни данни с TinyML
  • Изпълнение на AI модели на Arduino, STM32 и Raspberry Pi Pico
  • Оптимизиране на извода за приложения в реално време

Интегриране на TinyML с IoT и Edge приложения

  • Свързване на TinyML с IoT устройства
  • Безжична комуникация и предаване на данни
  • Внедряване на базирани на AI IoT решения

Приложения от реалния свят и бъдещи тенденции

  • Случаи на употреба в здравеопазването, селското стопанство и индустриалния мониторинг
  • Бъдещето на AI със свръхниска мощност
  • Следващи стъпки в проучването и внедряването на TinyML

Обобщение и следващи стъпки

Изисквания

  • Разбиране на вградени системи и микроконтролери
  • Опит с AI или основи на машинното обучение
  • Основни познания по програмиране на C, C++ или Python.

Публика

  • Вградени инженери
  • IoT разработчици
  • Изследователи на AI
 21 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории