Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Durata 21 ore
Schița de curs
Fundamentele pipeline-urilor TinyML
- Prezentarea etapelor workflow-ului TinyML
- Caracteristicile hardware-ului edge
- Considerații pentru proiectarea pipeline-ului
Colectarea și preprocesarea datelor
- Colectarea datelor structurate și a datelor de la senzori
- Strategii de etichetare și augmentare a datelor
- Pregătirea seturilor de date pentru medii constrâns
Dezvoltarea modelelor pentru TinyML
- Selectarea arhitecturilor de modele pentru microcontrolere
- Workflow-uri de antrenare folosind framework-uri ML standard
- Evaluarea indicatorilor de performanță a modelelor
Optimizarea și compresia modelelor
- Tehnici de cuantizare
- Pruning și partajarea ponderilor
- Echilibrarea acurateței și limitelor de resurse
Conversia și împachetarea modelelor
- Exportul modelelor în TensorFlow Lite
- Integrarea modelelor în toolchains embedded
- Gestionarea dimensiunii modelului și a constrângerilor de memorie
Implementarea pe microcontrolere
- Încărcarea modelelor pe ținte hardware
- Configurarea mediilor de runtime
- Testare de inferență în timp real
Monitorizarea, testarea și validarea
- Strategii de testare pentru sisteme TinyML implementate
- Debuguirea comportamentului modelului pe hardware
- Validarea performanței în condiții de teren
Integrarea pipeline-ului complet end-to-end
- Construirea de workflow-uri automate
- Versionarea datelor, modelelor și firmware-ului
- Gestionarea actualizărilor și a iterațiilor
Sinteza și pașii următori
Cerințe
- Înțelegerea fundamentelor machine learning-ului
- Experiență în programare embedded
- Familiaritate cu workflow-urile de date bazate pe Python
Public-țintă
- Engineeri AI
- Dezvoltatori software
- Specialiști în sisteme embedded
