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

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative