Kontaktirajte nas
 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

Broj učesnika


Cena po učesniku

Iskustva korisnika (1)

Predstojeći kursevi

Povezane kategorije