Свържете се с нас
 Продължителност 21 часa

Съдържание и теми, включени в курса

Въведение в Edge AI и TinyML

  • Обзори за AI на периферията
  • Предимства и предизвикателства при работа с AI на устройства
  • Применения в роботиката и автоматизацията

Основни принципи на TinyML

  • Машинно обучение за ресурсно ограничени системи
  • Квантуване, отсичане и компресия на модели
  • Поддържани рамки и хардуерни платформи

Разработка и преобразуване на модели

  • Обучение на лекки модели с TensorFlow или PyTorch
  • Преобразуване на модели за TensorFlow Lite и PyTorch Mobile
  • Тестване и валидиране на точността на модела

Имплементация на инференс на устройство

  • Разпространение на AI модели върху вградени платки (Arduino, Raspberry Pi, Jetson Nano)
  • Интегриране на инференса с възприятието и управлението на роботите
  • Изпълнение на прогнози в реално време и проследяване на представянето

Оптимизация за перформанс на периферията

  • Намаляване на закъснението и консумацията на енергия
  • Акселерация на хардуера чрез NPU и GPU
  • Бенчмаркиране и профилиране на вградения инференс

Рамки и инструменти за Edge AI

  • Работа с TensorFlow Lite и Edge Impulse
  • Изследване на опциите за разпространение на PyTorch Mobile
  • Отстраняване на грешки и регулиране на вградени ML процеси

Практична интеграция и примери от практиката

  • Проектиране на Edge AI системи за възприятие за роботи
  • Интегриране на TinyML с ROS-базирани роботични архитектури
  • Примери от практиката: автономна навигация, откриване на обекти, предиктивна поддръжка

Обобщение и следващи стъпки

Изисквания

  • Разбиране на вградените системи
  • Опит с програмиране на Python или C++
  • Запознаване с основните концепции на машинното обучение

Аудитория

  • Разработчици на вградени системи
  • Инженери по роботика
  • Системни интегратори, работещи върху интелигентни устройства

Брой участници


Цена за участник

Отзиви от участници (2)

Предстоящи Курсове

Свързани Kатегории