Kontaktirajte nas
 Trajanje 21 sati

Sadržaj kursa

Uvod u TinyML u poljoprivredi

  • Razumevanje mogućnosti TinyML-a
  • Ključne primene u poljoprivredi
  • Ograničenja i prednosti inteligencije na uređaju

Hardverska i senzorska ekosistema

  • Mikrokontroleri za edge AI
  • Česti poljoprivredni senzori
  • Razmatranja potrošnje energije i konektivnosti

Prikupljanje i predprerada podataka

  • Metode sakupljanja terenskih podataka
  • Čišćenje senzorskih i okolinuskih podataka
  • Ekstrakcija karakteristika za modele na ivici

Izgradnja TinyML modela

  • Odabir modela za ograničene uređaje
  • Radni tokovi obuke i validacije
  • Optimizacija veličine i efikasnosti modela

Implementacija modela na ivične uređaje

  • Korišćenje TensorFlow Lite za mikrokontrolere
  • Učitavanje i pokretanje modela na hardveru
  • Rešavanje problema implementacije

Aplikacije pametne poljoprivrede

  • Ocena zdravlja useva
  • Detekcija štetočina i bolesti
  • Kontrola preciznog navodnjavanja

IoT integracija i automatizacija

  • Povezivanje edge AI-a sa platformama za upravljanje farmom
  • Automatizacija vođena događajima
  • Radni tokovi praćenja u realnom vremenu

Napredne tehnike optimizacije

  • Strategije kvantizacije i obrezivanja
  • Pristupi optimizaciji baterije
  • Skalabilne arhiture za velike implementacije

Zaključak i dalji koraci

Uslovi

  • Poznavanje radnih tokova razvoja IoT-a
  • Ispitivanje rada sa podacima sa senzora
  • Osnovno razumevanje koncepta embedded AI-a

Publika

  • Inženjeri agritech sektora
  • IoT developeri
  • Istraživači AI-a

Broj učesnika


Cena po učesniku

Iskustva korisnika (1)

Predstojeći kursevi

Povezane kategorije