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
- 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
