Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduksjon til TinyML
- Hva er TinyML?
- Betydningen av maskinlæring på mikrokontrollere.
- Sammenligning mellom tradisjonell AI og TinyML.
- Oversikt over krav til maskinvare og programvare.
Sette opp TinyML-miljøet
- Installerer Arduino IDE og setter opp utviklingsmiljøet.
- Introduksjon til TensorFlow Lite og Edge Impulse.
- Blinker og konfigurerer mikrokontrollere for TinyML applikasjoner.
Bygge og distribuere TinyML modeller
- Forstå TinyML arbeidsflyten.
- Trening av en enkel maskinlæringsmodell for mikrokontrollere.
- Konvertering av AI-modeller til TensorFlow Lite-format.
- Distribuere modeller på maskinvareenheter.
Optimalisering TinyML for Edge-enheter
- Reduserer minne og beregningsmessig fotavtrykk.
- Teknikker for kvantisering og modellkomprimering.
- Benchmarking TinyML modellytelse.
TinyML Applikasjoner og Use Cases
- Bevegelsesgjenkjenning ved hjelp av akselerometerdata.
- Lydklassifisering og søkeordsøking.
- Anomalideteksjon for prediktivt vedlikehold.
TinyML Utfordringer og fremtidige trender
- Maskinvarebegrensninger og optimaliseringsstrategier.
- Sikkerhets- og personvernhensyn i TinyML.
- Fremtidige fremskritt og forskning i TinyML.
Sammendrag og neste trinn
Krav
- Grunnleggende programmeringskunnskap (Python eller C/C++)
- Kjennskap til maskinlæringskonsepter (anbefalt, men ikke nødvendig)
- Forståelse av innebygde systemer (valgfritt, men nyttig)
Publikum
- Ingeniører
- Dataforskere
- AI-entusiaster
14 timer
