Intrati in legatura
 Durata 21 ore

Schița de curs

Introducere în Edge AI și TinyML

  • Prezentare generală a AI-ului la edge
  • Beneficiile și provocările rulării AI pe dispozitive
  • Cazuri de utilizare în robotică și automatizare

Fundamentele TinyML

  • Machine learning pentru sisteme cu resurse limitate
  • Cuantizare, pruning și comprimare de modele
  • Framework-uri și platforme hardware suportate

Dezvoltarea și conversia modelelor

  • Training de modele ușoare folosind TensorFlow sau PyTorch
  • Conversia modelelor în TensorFlow Lite și PyTorch Mobile
  • Testare și validare a acurateței modelelor

Implementarea inferenței locale

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

Optimizare pentru performanță Edge

  • Reducerea latenței și a consumului de energie
  • Accelerare hardware folosind NPU-uri și GPU-uri
  • Benchmarking și profilarea inferenței încorporate

Framework-uri și tool-uri de Edge AI

  • Lucrul cu TensorFlow Lite și Edge Impulse
  • Explorarea opțiunilor de deployment PyTorch Mobile
  • Debugging și tuning al workflow-urilor ML încorporate

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, detecția obiectelor, mentenanță predictivă

Rezumate și pașii următori

Cerințe

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

Audiența țintă

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

Numărul de participanți


Pret per participant

Mărturii (2)

Cursuri viitoare

Categorii înrudite