Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
Trajanje 21 sati
Sadržaj kursa
Temelji TinyML procesa
- Pregled faza TinyML radnog toka
- Karakteristike periferne hardverske opreme
- Ozbire projektovanja procesa
Prikupljanje i predprerađivanje podataka
- Prikupljanje strukturiranih i senzorskih podataka
- Strategije označavanja i augmentacije podataka
- Priprema skupova podataka za ograničena okruženja
Prerazvoj modela za TinyML
- Izbor arhitektura modela za mikrokontrolere
- Radni tokovi treniranja koristeći standardne ML okvire
- Procena indikatora performansi modela
Optimizacija i kompresija modela
- Tehnike kvantizacije
- Pruning i deljenje težina
- Balansiranje tačnosti i ograničenja resursa
Pretvaranje i pakovanje modela
- Izvoz modela u TensorFlow Lite
- Integracija modela u ugrađene alatne lance
- Upravljanje veličinom modela i ograničenjima memorije
Prerazvori na mikrokontrolere
- Pisanje modela na hardverske ciljeve
- Konfiguracija okruženja za izvođenje
- Testiranje inferencije u realnom vremenu
Prerazvori, testiranje i validacija
- Strategije testiranja primenjenih TinyML sistema
- Debugovanje ponašanja modela na hardveru
- Validacija performansi u poljskim uslovima
Integracija kompletnog end-to-end procesa
- Izgradnja automatizovanih radnih tokova
- Verzije podataka, modela i firmware-a
- Upravljanje ažuriranjem i iteracijama
Zaključak i naredni koraci
Uslovi
- Razumevanje osnova mašinskog učenja
- Iskustvo sa ugrađenim programiranjem
- Poznavanje radnih tokova podataka zasnovanih na Pythonu
Javna
- AI inženjeri
- Software developeri
- Stručnjaci za ugrađene sisteme
Iskustva korisnika (1)
Vežbe
Gianluca Bovo - Urmet
Kurs - Security and Privacy in TinyML Applications
Mašinski prevedeno