TinyML Applications for Embedded Devices

Machine Learning ไม่ได้จำกัดอยู่แค่ในศูนย์ข้อมูลขนาดใหญ่เท่านั้น แต่ตอนนี้กำลังขับเคลื่อนอุปกรณ์ที่เล็กที่สุดในชีวิตประจำวันของเรา หลักสูตรนี้นำเสนอพื้นฐานที่ใช้งานได้จริงใน TinyML ช่วยให้คุณสามารถสร้างคุณสมบัติอัจฉริยะสำหรับฮาร์ดแวร์ที่มีหน่วยความจำและพลังงานจำกัด คุณจะได้เรียนรู้วิธีเชื่อมช่องว่างระหว่างอัลกอริทึมที่ซับซ้อนและระบบฝังตัวที่มีข้อจำกัด ผ่านคำอธิบายที่เป็นลายลักษณ์อักษรและตัวอย่างที่อิงตามโค้ด คุณจะได้สำรวจวิธีการประมวลผลข้อมูลเซ็นเซอร์เพื่อทำการตัดสินใจแบบเรียลไทม์บน Edge สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจหลักการพื้นฐานและข้อจำกัดของการประมวลผลแบบ Edge และคำศัพท์เฉพาะของ TinyML - การนำระบบ Keyword Spotting ไปใช้สำหรับคำสั่งอุปกรณ์ที่เปิดใช้งานด้วยเสียง - การใช้เทคนิค Visual Wake Word เพื่อระบุวัตถุหรือบุคคลที่เฉพาะเจาะจงโดยใช้เซ็นเซอร์พลังงานต่ำ - การพัฒนาโมเดลการรู้จำท่าทางโดยใช้ข้อมูลการเคลื่อนไหวจาก Accelerometer และ Gyroscope - การปรับโมเดลให้เหมาะสมโดยใช้ Quantization และ Pruning เพื่อให้พอดีกับข้อจำกัดของฮาร์ดแวร์ที่เข้มงวด - การสำรวจเวิร์กโฟลว์ MLOps สมัยใหม่สำหรับการปรับใช้และตรวจสอบโมเดลบนอุปกรณ์ Edge ระยะไกล หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐานของ Embedded AI ก่อนที่จะเจาะลึกการใช้งานเฉพาะสำหรับข้อมูลเสียง ภาพ และการเคลื่อนไหว คุณจะได้ติดตามเส้นทางที่มีโครงสร้างตั้งแต่การทำความเข้าใจอินพุตเซ็นเซอร์ดิบไปจนถึงการปรับใช้โมเดลที่ปรับให้เหมาะสมบนไมโครคอนโทรลเลอร์ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่สนใจ AI และฮาร์ดแวร์ โดยไม่จำเป็นต้องมีประสบการณ์มาก่อนในการปรับใช้ Machine Learning เริ่มต้นการเดินทางของคุณสู่โลกของการประมวลผลแบบ Edge อัจฉริยะได้แล้ววันนี้