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 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
Iskustva korisnika (1)
Vežbe
Gianluca Bovo - Urmet
Kurs - Security and Privacy in TinyML Applications
Mašinski prevedeno