План на курса

Въведение в TinyML

  • Какво е TinyML?
  • Защо да извършваме AI на микроконтролъри?
  • Проблеми и преимущества на TinyML

Настройка на средата за разработка на TinyML

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

Създаване и развертане на модели на TinyML

  • Обучаване на AI модели за TinyML
  • Преобразуване и компресиране на AI модели за микроконтролъри
  • Развертане на модели на нисковъзможна хардуер

Оптимизация на TinyML за енергоефективност

  • Техники за квантоване за компресиране на моделите
  • Разглеждания относно закъснението и потреблението на енергия
  • Балансиране на производителността и енергоефективността

Реално време за извличане на заключения на микроконтролъри

  • Обработка на данни от сензори с TinyML
  • Изпълнение на AI модели на Arduino, STM32 и Raspberry Pi Pico
  • Оптимизация на извличане за приложения в реално време

Интегриране на TinyML с IoT и приложения на периферните устройства

  • Свързване на TinyML с IoT устройства
  • Безжична комуникация и предаване на данни
  • Развертане на решения за AI-управлявани IoT устройства

Приложения в реалния свят и бъдещи тенденции

  • Примери за приложение в здравната грижа, земеделието и индустриалния мониторинг
  • Бъдещето на ултра-нисковъзможната AI
  • Следващи стъпки в изследванията и развертането на TinyML

Резюме и следващи стъпки

Изисквания

  • Разбиране в вграждени системи и микроконтролери
  • Опит с основни принципи на ИИ или машинно обучение
  • Основни познания по програмиране на C, C++, или Python

Целева аудитория

  • Инженери на вграждени системи
  • Разработчици на IoT
  • Изследователи на ИИ
 21 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории