Podstawy TinyML: Wdrażanie modeli na mikrokontrolery

Wprowadzenie uczenia maszynowego do urządzeń brzegowych otwiera świat inteligentnych, energooszczędnych aplikacji. W miarę jak systemy wbudowane stają się coraz bardziej wydajne, możliwość uruchamiania sztucznej inteligencji lokalnie, bez zależności od chmury, jest kluczową umiejętnością dla współczesnych programistów. Ten kurs przeprowadzi Cię przez proces przenoszenia modeli uczenia maszynowego i dopasowywania ich do małych mikrokontrolerów o ograniczonej zasobowości. Dzięki jasnym wyjaśnieniom tekstowym i fragmentom kodu nauczysz się adaptować standardowe modele, stosować nowoczesne techniki optymalizacji i wykonywać je na sprzęcie wbudowanym przy użyciu TensorFlow Lite. Czego się nauczysz: • Zrozumieć podstawowe koncepcje TinyML, przetwarzania brzegowego (edge computing) i ograniczeń sprzętu wbudowanego. • Przygotować i przekonwertować modele uczenia maszynowego do wdrożenia na urządzeniach brzegowych przy użyciu TensorFlow Lite. • Zastosować nowoczesne techniki kwantyzacji modeli w celu zmniejszenia zużycia pamięci i poprawy efektywności energetycznej. • Napisać kod w C++, aby ładować, konfigurować i wykonywać modele w środowiskach mikrokontrolerów. • Przetwarzać podstawowe dane z czujników lokalnie w celu wnioskowania w czasie rzeczywistym bez łączności internetowej. • Poznać podstawowe koncepcje MLOps dla urządzeń brzegowych w celu zarządzania cyklami życia uczenia maszynowego na urządzeniach wbudowanych. Zaczniesz od kluczowej terminologii i podstawowych definicji sztucznej inteligencji na urządzeniach brzegowych, a następnie przejdziesz do praktycznych ćwiczeń kodowania tekstowego, które krok po kroku przeprowadzą Cię przez proces konwersji i wdrażania modeli. Zaprojektowany dla początkujących z podstawową wiedzą programistyczną, którzy chcą zgłębić uczenie maszynowe na urządzeniach wbudowanych, ten kurs nie wymaga wcześniejszego doświadczenia z wdrażaniem sprzętu. Zacznij czytać już dziś, aby zbudować fundamenty swojej pierwszej inteligentnej aplikacji na mikrokontroler.