TinyML Applications for Embedded Devices

Uczenie maszynowe nie jest już ograniczone do ogromnych centrów danych; zasila ono najmniejsze urządzenia w naszym codziennym życiu. Ten kurs zapewnia praktyczne podstawy TinyML, umożliwiając tworzenie inteligentnych funkcji dla sprzętu o ograniczonej pamięci i mocy. Nauczysz się, jak połączyć złożone algorytmy z ograniczonymi systemami wbudowanymi. Poprzez pisemne wyjaśnienia i przykłady oparte na kodzie, dowiesz się, jak przetwarzać dane z czujników, aby podejmować decyzje w czasie rzeczywistym na brzegu sieci. Czego się nauczysz: - Zrozumieć podstawowe zasady i ograniczenia edge computing oraz terminologię TinyML - Zaimplementować systemy rozpoznawania słów kluczowych do poleceń urządzeń aktywowanych głosem - Zastosować techniki wizualnego budzenia słownego do identyfikacji konkretnych obiektów lub osób za pomocą energooszczędnych czujników - Opracować modele rozpoznawania gestów przy użyciu danych ruchowych z akcelerometrów i żyroskopów - Zoptymalizować modele za pomocą kwantyzacji i przycinania, aby zmieścić się w ścisłych ograniczeniach sprzętowych - Poznać nowoczesne przepływy pracy MLOps do wdrażania i monitorowania modeli na zdalnych urządzeniach brzegowych Kurs rozpoczyna się od podstawowych koncepcji wbudowanej sztucznej inteligencji, a następnie przechodzi do konkretnych zastosowań danych audio, wizyjnych i ruchowych. Przejdziesz ustrukturyzowaną ścieżką od zrozumienia surowych danych wejściowych z czujników do wdrożenia zoptymalizowanego modelu na mikrokontrolerze. Ten kurs jest przeznaczony dla początkujących zainteresowanych sztuczną inteligencją i sprzętem, nie wymaga wcześniejszego doświadczenia we wdrażaniu uczenia maszynowego. Rozpocznij swoją podróż do świata inteligentnego edge computing już dziś.