Kontaktirajte nas
 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

Broj učesnika


Cena po učesniku

Iskustva korisnika (2)

Predstojeći kursevi

Povezane kategorije