Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Εισαγωγή στο TinyML
- Τι είναι το TinyML;
- Η σημασία της μηχανικής μάθησης στους μικροελεγκτές
- Σύγκριση μεταξύ της παραδοσιακής τεχνητής νοημοσύνης και του TinyML
- Επισκόπηση των απαιτήσεων υλικού και λογισμικού
Ρύθμιση του περιβάλλοντος TinyML
- Εγκατάσταση του Arduino IDE και ρύθμιση του περιβάλλοντος ανάπτυξης
- Εισαγωγή στο TensorFlow Lite και στο Edge Impulse
- Αναβοσβήνει και διαμορφώνει μικροελεγκτές για εφαρμογές TinyML
Κατασκευή και ανάπτυξη TinyML Μοντέλων
- Κατανόηση της ροής εργασίας TinyML
- Εκπαίδευση ενός απλού μοντέλου μηχανικής εκμάθησης για μικροελεγκτές
- Μετατροπή μοντέλων AI σε μορφή TensorFlow Lite
- Ανάπτυξη μοντέλων σε συσκευές υλικού
Βελτιστοποίηση TinyML για συσκευές Edge
- Μείωση μνήμης και υπολογιστικού αποτυπώματος
- Τεχνικές κβαντοποίησης και συμπίεσης μοντέλων
- Συγκριτική αξιολόγηση TinyML απόδοσης μοντέλου
TinyML Εφαρμογές και Use Cases
- Αναγνώριση χειρονομίας με χρήση δεδομένων επιταχυνσιόμετρου
- Ταξινόμηση ήχου και εντοπισμός λέξεων-κλειδιών
- Ανίχνευση ανωμαλιών για προγνωστική συντήρηση
TinyML Προκλήσεις και μελλοντικές τάσεις
- Περιορισμοί υλικού και στρατηγικές βελτιστοποίησης
- Ανησυχίες για την ασφάλεια και το απόρρητο στο TinyML
- Μελλοντικές εξελίξεις και έρευνα στο TinyML
Περίληψη και Επόμενα Βήματα
Requirements
- Βασικές γνώσεις προγραμματισμού (Python ή C/C++)
- Εξοικείωση με έννοιες μηχανικής εκμάθησης (συνιστάται αλλά δεν απαιτείται)
- Κατανόηση των ενσωματωμένων συστημάτων (προαιρετικό αλλά χρήσιμο)
Ακροατήριο
- Μηχανικοί
- Επιστήμονες δεδομένων
- Λάτρεις της τεχνητής νοημοσύνης
14 Hours
