Intrati in legatura

Schița de curs

Introducere în Edge AI și TinyML

  • Prezentare generală a AI la margine
  • Beneficii și provocări ale rulării AI pe dispozitive
  • Cazuri de utilizare în robotică și automatizare

Elemente de bază ale TinyML

  • Învățare automată pentru sisteme cu resurse limitate
  • Cuantizarea, tăierea și comprimarea modelelor
  • Framework-uri și platforme hardware suportate

Dezvoltarea și Conversia Modelelor

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

Implementarea Inferenței pe Dispozitiv

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

Optimizare pentru Performanța la Margine

  • Reducerea latenței și consumului de energie
  • Accelerarea hardware folosind NPU și GPU
  • Benchmarking și profiling al inferenței încorporate

Framework-uri și Instrumente Edge AI

  • Lucrul cu TensorFlow Lite și Edge Impulse
  • Explorarea opțiunilor de implementare PyTorch Mobile
  • Depanarea și ajustarea fluxurilor de lucru ML încorporate

Integrare Practică și Studii de Caz

  • Proiectarea sistemelor de percepție Edge AI pentru roboți
  • Integrarea TinyML cu arhitecturi robotice bazate pe ROS
  • Studii de caz: navigație autonomă, detectare de obiecte, întreținere predictivă

Rezumat și Pași Următori

Cerințe

  • Înțelegerea sistemelor încorporate
  • Experiență în programare Python sau C++
  • Cunoașterea conceptelor de bază ale învățării automate

Publicul țintă

  • Dezvoltatori de sisteme încorporate
  • Ingineri de robotică
  • Integratori de sisteme care lucrează la dispozitive inteligente
 21 Ore

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite