Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 21 Stunden
Schulungsübersicht
Einführung in Edge AI und TinyML
- Überblick über KI am Edge
- Vorteile und Herausforderungen der Ausführung von KI auf Geräten
- Anwendungsfälle in Robotik und Automatisierung
Grundlagen von TinyML
- Machine Learning für ressourcengrenzende Systeme
- Modell-Quantisierung, Pruning und Kompression
- Unterstützte Frameworks und Hardwareplattformen
Modellentwicklung und -konvertierung
- Schulung schlanker Modelle mit TensorFlow oder PyTorch
- Konvertierung von Modellen zu TensorFlow Lite und PyTorch Mobile
- Testen und Validieren der Modellgenauigkeit
Umsetzung der lokalen Inferenz
- Bereitstellung von KI-Modellen auf eingebetteten Boards (Arduino, Raspberry Pi, Jetson Nano)
- Integration der Inferenz in robotische Wahrnehmung und Steuerung
- Durchführen von Echtzeit-Vorhersagen und Überwachung der Leistung
Optimierung für Edge-Leistung
- Reduzierung von Latenz und Energieverbrauch
- Hardware-Beschleunigung unter Verwendung von NPUs und GPUs
- Benchmarking und Profiling der Embedded-Inferenz
Edge-AI-Frameworks und -Werkzeuge
- Arbeit mit TensorFlow Lite und Edge Impulse
- Erforschen von Bereitstellungsoptionen für PyTorch Mobile
- Fehlerbehebung und Feinabstimmung von Embedded-ML-Workflows
Praktische Integration und Fallstudien
- Gestaltung von Edge-AI-Wahrnehmungssystemen für Roboter
- Integration von TinyML in ROS-basierte Robotikarchitekturen
- Fallstudien: Autonome Navigation, Objekterkennung, vorausschauende Wartung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Embedded-Systemen
- Erfahrung in der Programmierung mit Python oder C++
- Grundlegende Kenntnisse in Machine Learning
Zielgruppe
- Entwickler:innen im Bereich Embedded Systems
- Robotik-Ingenieure
- Systemintegratoren, die an intelligenten Geräten arbeiten
Erfahrungsberichte (2)
Bereitstellung der Materialien (virtuelle Maschine), um direkt mit den Übungen zu beginnen, sowie Erläuterung der ROS2-Kernkonzepte. Warum bestimmte Dinge auf eine bestimmte Weise funktionieren.
Arjan Bakema
Kurs - Autonomous Navigation & SLAM with ROS 2
Maschinelle Übersetzung
sein Wissen und die Nutzung von KI für Robotik in der Zukunft.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maschinelle Übersetzung