Kurzusleírás

Bevezetés a TinyML-be

  • Mi az a TinyML?
  • A gépi tanulás jelentősége mikrokontrollerekben
  • Hagyományos AI és TinyML összehasonlítása
  • Hardver- és szoftverkövetelmények áttekintése

TinyML környezet beállítása

  • Arduino IDE telepítése és fejlesztőkörnyezet beállítása
  • TensorFlow Lite és Edge Impulse bemutatása
  • Mikrokontrollerek konfigurálása TinyML alkalmazásokhoz

TinyML modellek létrehozása és telepítése

  • TinyML munkafolyamat megértése
  • Egyszerű gépi tanulási modell kiképzése mikrokontrollerekhez
  • AI modellek átalakítása TensorFlow Lite formátumra
  • Modellek telepítése hardvereszközökre

TinyML optimalizálása éles eszközökhöz

  • Memóriai és számítási lábnyom hatékonyítása
  • Technikák kvantáláshoz és modellcsökkenéshez
  • TinyML modell teljesítmény mérése

TinyML alkalmazások és Use Caseok

  • Mozgatásfelismerés gyorsulásmérő adatok alapján
  • Hangfelosztás és kulcsszófelismerés
  • Anomáliafelismerés előrejelző karbantartáshoz

TinyML kihívások és jövőbeli irányok

  • Hardverkorlátok és optimalizálási stratégiák
  • Biztonsági és adatvédelmi kérdések a TinyML-ben
  • Jövőbeli fejlődések és kutatások a TinyML-ben

Összegzés és következő lépések

Követelmények

  • Alapprogramozási ismeretek (Python vagy C/C++)
  • Ismeret a géptanulási fogalmakról (ajánlott, de nem kötelező)
  • Embedded rendszerek megértése (opcionális, de hasznos)

Célközönség

  • Mérnökök
  • Adat tudósok
  • AI-rajongók
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák