Intrati in legatura
 Durata 21 ore

Schița de curs

Introducere în Edge AI și TinyML

  • Prezentarea AI-ului la marginea rețelei (edge)
  • Beneficii și provocări ale rulării AI pe dispozitive
  • Cazuri de utilizare în robotică și automatizare

Fundamentalele TinyML

  • Machine learning pentru sisteme cu resurse limitate
  • Cuantificare, pruning și compresie a modelelor
  • Framework-uri și platforme hardware suportate

Dezvoltarea și conversia modelelor

  • Antrenarea de modele ușoare folosind TensorFlow sau PyTorch
  • Conversia modelelor în TensorFlow Lite și PyTorch Mobile
  • Testarea și validarea acurateței modelelor

Implementarea inferenței on-device

  • Implementarea modelelor AI pe plăci embedded (Arduino, Raspberry Pi, Jetson Nano)
  • Integrarea inferenței cu percepția și controlul robotic
  • Rularea predicțiilor în timp real și monitorizarea performanței

Optimizarea pentru performanță la edge

  • Reducerea latenței și a consumului de energie
  • Accelerarea hardware cu NPU-uri și GPU-uri
  • Benchmarking și profilare a inferenței embedded

Framework-uri și instrumente pentru Edge AI

  • Lucrul cu TensorFlow Lite și Edge Impulse
  • Explorarea opțiunilor de implementare PyTorch Mobile
  • Dezbugging și ajustarea workflow-urilor ML embedded

Integrare practică și studii de caz

  • Proiectarea sistemelor de percepție Edge AI pentru roboți
  • Integrarea TinyML cu arhitecturile robotice bazate pe ROS
  • Studii de caz: navigare autonomă, detecție de obiecte, mentenanță predictivă

Rezumat și pași următori

Cerințe

  • Înțelegerea sistemelor embedded
  • Experiență cu programarea în Python sau C++
  • Familiaritate cu conceptele de bază ale machine learning-ului

Audiența țintă

  • Dezvoltatori embedded
  • Ingineri de robotică
  • Integratori de sisteme care lucrează la dispozitive inteligente

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite