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.
Struttura del corso
Introduzione a TinyML e Edge AI
- Che cosa è TinyML?
- Vantaggi e sfide dell'intelligenza artificiale sui microcontrollori
- Panoramica degli strumenti TinyML: TensorFlow Lite e Edge Impulse
- Casi d'uso di TinyML in IoT e applicazioni nel mondo reale
Impostazione dell'ambiente di sviluppo TinyML
- Installazione e configurazione Arduino IDE
- Introduzione a TensorFlow Lite per microcontrollori
- Utilizzo di Edge Impulse Studio per lo sviluppo TinyML
- Collegamento e test di microcontrollori per applicazioni AI
Costruzione e Formazione Machine Learning Modelli
- Comprensione del flusso di lavoro TinyML
- Raccolta e preelaborazione dei dati dei sensori
- Modelli di apprendimento automatico per l'intelligenza artificiale incorporata
- Ottimizzazione dei modelli per l'elaborazione a basso consumo e in tempo reale
Distribuzione di modelli di intelligenza artificiale su Microcontroller
- Conversione dei modelli AI nel formato TensorFlow Lite
- Modelli di flashing ed esecuzione su microcontrollori
- Validazione e debug delle implementazioni TinyML
Ottimizzazione TinyML per prestazioni ed efficienza
- Tecniche di quantizzazione e compressione del modello
- Strategie di gestione dell'alimentazione per l'intelligenza artificiale edge
- Vincoli di memoria e di calcolo nell'intelligenza artificiale incorporata
Applicazioni pratiche di TinyML
- Riconoscimento dei gesti tramite dati dell'accelerometro
- Classificazione audio e individuazione delle parole chiave
- Rilevamento delle anomalie per la manutenzione predittiva
Sicurezza e tendenze future in TinyML
- Garantire la riservatezza e la sicurezza dei dati nelle applicazioni TinyML
- Sfide dell'apprendimento federato sui microcontrollori
- Ricerche emergenti e progressi in TinyML
Riepilogo e passaggi successivi
Requisiti
- Esperienza nella programmazione di sistemi embedded
- Familiarità con la programmazione Python o C/C++
- Conoscenza di base dei concetti di apprendimento automatico
- Comprensione dell'hardware e delle periferiche del microcontrollore
Pubblico
- Ingegneri di sistemi embedded
- Sviluppatori di intelligenza artificiale
21 ore