Kursplan

Introduktion till TinyML

  • Vad är TinyML?
  • Den betydelsefulla av maskininlärning på mikrokontroller.
  • Jämförelse mellan traditionell AI och TinyML.
  • Översikt över hårdvaru- och mjukvarukrav.

Installera TinyML-miljön

  • Installera Arduino IDE och ställa in utvecklingsmiljön.
  • Introduktion till TensorFlow Lite och Edge Impulse.
  • Flashning och konfiguration av mikrokontroller för TinyML-applikationer.

Bygga och distribuera TinyML-modeller

  • Förstå arbetsflödet för TinyML.
  • Träna en enkel maskininlärningsmodell för mikrokontroller.
  • Konvertera AI-modeller till TensorFlow Lite-format.
  • Distribuera modeller på hårdvaru-enheter.

Optimera TinyML för Edge-enheter

  • Minska minnes- och beräkningsfotavtrycket.
  • Tekniker för kvantisering och modellkomprimering.
  • Benchmarking av TinyML modellprestanda.

TinyML Applications och Use Cases

  • Gestigenkänning med hjälp av accelerometerdata.
  • Ljudklassificering och nyckelordsigenkänning.
  • Anomaliavkänning för prediktivt underhåll.

TinyML Utmaningar och framtida trender

  • Hårdvarubegränsningar och optimeringsstrategier.
  • Säkerhets- och sekretessfrågor inom TinyML.
  • Framtida framsteg och forskning inom TinyML.

Sammanfattning och nästa steg

Krav

  • Grundläggande programmeringskunskaper (C eller CPython/C++)
  • Kännedom om begrepp inom maskininlärning (rekommenderas men inte nödvändigt)
  • Förståelse för inbyggda system (valfritt men användbart)

Målgrupp

  • Ingenjörer
  • Dataforskare
  • AI-entusiaster
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier