Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione a TinyML
- Cos'è TinyML?
- L'importanza dell'apprendimento automatico sui microcontroller
- Confronto tra l'AI tradizionale e TinyML
- Panoramica dei requisiti hardware e software
Configurazione dell'Ambiente TinyML
- Installazione di Arduino IDE e configurazione dell'ambiente di sviluppo
- Introduzione a TensorFlow Lite e Edge Impulse
- Flashing e configurazione dei microcontroller per le applicazioni TinyML
Costruzione e Distribuzione di Modelli TinyML
- Comprensione del flusso di lavoro TinyML
- Addestramento di un semplice modello di apprendimento automatico per microcontroller
- Conversione dei modelli AI nel formato TensorFlow Lite
- Distribuzione dei modelli sui dispositivi hardware
Ottimizzazione di TinyML per Dispositivi Edge
- Riduzione dell'impronta di memoria e computazionale
- Tecnologie di quantizzazione e compressione dei modelli
- Benchmarking delle prestazioni del modello TinyML
Applicazioni e Casistiche di TinyML
- Riconoscimento gestuale utilizzando i dati dell'accelerometro
- Classificazione audio e rilevamento parole chiave
- Detezione delle anomalie per la manutenzione preventiva
Sfide di TinyML e Tendenze Future
- Limitazioni hardware e strategie di ottimizzazione
- Preoccupazioni di sicurezza e privacy in TinyML
- Avanzamenti futuri e ricerca in TinyML
Riassunto ed Esercitazioni Successive
Requisiti
- Conoscenze di base della programmazione (Python o C/C++)
- Familiarità con i concetti di apprendimento automatico (raccomandato ma non obbligatorio)
- Comprensione dei sistemi embedded (opzionale ma utile)
Pubblico
- Ingegneri
- Scienziati dei dati
- Enthusiasti dell'IA
14 Ore
