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
Uvod u TinyML
- Šta je TinyML?
- Zašto pokretati AI na mikrokontrolerima?
- Izazovi i prednosti TinyML-a
Postavljanje razvojne okoline za TinyML
- Pregled TinyML alata
- Instalaracija TensorFlow Lite-a za mikrokontrolere
- Rad sa Arduino IDE i Edge Impulse
Izgradnja i razvijanje TinyML modela
- Trening AI modela za TinyML
- Konverzija i kompresija AI modela za mikrokontrolere
- Razvijanje modela na hardveru sa niskom potrošnjom energije
Optimizacija TinyML-a za energetsku efikasnost
- Tehnike kvantizacije za kompresiju modela
- Razmatranje latencije i potrošnje energije
- Balansiranje performansi i energetske efikasnosti
Real-time inferencija na mikrokontrolerima
- Obrada podataka senzora pomoću TinyML-a
- Pokretanje AI modela na Arduino, STM32 i Raspberry Pi Pico
- Optimizacija inferencije za real-time aplikacije
Integracija TinyML sa IoT i ivičnim aplikacijama
- Povezivanje TinyML-a sa IoT uređajima
- Bežična komunikacija i prenos podataka
- Razvijanje IoT rešenja pogonjenih AI
Stvarne primene i budući trendovi
- Slučajevi upotrebe u zdravstvu, poljoprivredi i industrijskom nadzoru
- Budućnost AI sa ultraniskom potrošnjom energije
- Sledeći koraci u istraživanju i razvijanju TinyML-a
Rezime i sledeći koraci
Uslovi
- Razumevanje embedded sistema i mikrokontrolera
- Iskustvo sa osnovama veštačke inteligencije ili mašinskog učenja
- Osnovno znanje programskih jezika C, C++ ili Python
Ciljna grupa
- Embedded inženjeri
- IoT razvojni programeri
- AI istraživači
Iskustva korisnika (2)
Vežbe
Gianluca Bovo - Urmet
Kurs - Security and Privacy in TinyML Applications
Mašinski prevedeno
Da možemo da obradujemo napredne teme i radimo na primjerima iz stvarnog života.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques
Mašinski prevedeno