Fondamentaux de TinyML : Déploiement de modèles sur microcontrôleurs

Intégrer l'apprentissage automatique aux appareils en périphérie ouvre un monde d'applications intelligentes et à faible consommation d'énergie. À mesure que les systèmes embarqués deviennent plus performants, la capacité d'exécuter l'IA localement sans dépendance au cloud est une compétence essentielle pour les développeurs modernes. Ce cours vous guide à travers le processus de prise de modèles d'apprentissage automatique et de leur adaptation à des microcontrôleurs minuscules aux ressources limitées. Grâce à des explications écrites claires et des extraits de code, vous apprendrez à adapter des modèles standard, à appliquer des techniques d'optimisation modernes et à les exécuter sur du matériel embarqué en utilisant TensorFlow Lite. Ce que vous apprendrez : • Comprendre les concepts fondamentaux de TinyML, de l'edge computing et des contraintes matérielles embarquées. • Préparer et convertir des modèles d'apprentissage automatique pour le déploiement en périphérie en utilisant TensorFlow Lite. • Appliquer des techniques modernes de quantification de modèles pour réduire l'empreinte mémoire et améliorer l'efficacité énergétique. • Écrire du code C++ pour charger, configurer et exécuter des modèles dans des environnements de microcontrôleurs. • Traiter des données de capteurs de base localement pour une inférence en temps réel sans connectivité Internet. • Explorer les concepts fondamentaux de l'edge MLOps pour gérer les cycles de vie de l'apprentissage automatique embarqué. Vous commencerez par la terminologie clé et les définitions fondamentales de l'IA en périphérie avant de passer à des exercices de codage pratiques basés sur du texte qui vous guideront étape par étape à travers le pipeline de conversion et de déploiement de modèles. Conçu pour les débutants ayant des connaissances de base en programmation qui souhaitent explorer l'apprentissage automatique embarqué, ce cours ne nécessite aucune expérience préalable du déploiement matériel. Commencez à lire dès aujourd'hui pour jeter les bases de votre première application de microcontrôleur intelligent.