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.
Schulungsübersicht
Einführung in Edge AI und TinyML
- Übersicht über KI am Rand des Netzwerks (Edge)
- Vorteile und Herausforderungen bei der Ausführung von KI auf Geräten
- Anwendungsfälle in Robotik und Automatisierung
Grundlagen von TinyML
- Machine Learning für ressourcenbeschränkte Systeme
- Modellquantisierung, -pruning und -kompression
- Unterstützte Frameworks und Hardwareplattformen
Modellentwicklung und Konvertierung
- Schulen leichter Modelle mit TensorFlow oder PyTorch
- Konvertieren von Modellen in TensorFlow Lite und PyTorch Mobile
- Testen und Validieren der Modellgenauigkeit
Implementierung der On-Device-Inferenz
- Bereitstellen von KI-Modellen auf eingebetteten Boards (Arduino, Raspberry Pi, Jetson Nano)
- Integration der Inferenz mit robotischer Wahrnehmung und Steuerung
- Echtzeitvorhersagen ausführen und Leistung überwachen
Optimierung für Edge-Leistung
- Reduzierung von Latenz und Energieverbrauch
- Hardwarebeschleunigung mit NPUs und GPUs
- Benchmarking und Profiling der eingebetteten Inferenz
Edge-AI-Frameworks und Tools
- Arbeiten mit TensorFlow Lite und Edge Impulse
- Erkunden von Deployment-Optionen für PyTorch Mobile
- Fehlersuche und Feinabstimmung eingebetteter ML-Workflows
Praktische Integration und Fallbeispiele
- Entwerfen von Edge-AI-Wahrnehmungssystemen für Roboter
- Integration von TinyML in ROS-basierte Robotikarchitekturen
- Fallstudien: Autonome Navigation, Objekterkennung, vorausschauende Wartung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis eingebetteter Systeme
- Erfahrung mit Python- oder C++-Programmierung
- Bekanntschaft mit grundlegenden Machine-Learning-Konzepten
Zielgruppe
- Eingebettete Entwickler
- Robotikingenieure
- Systemintegratoren, die an intelligenten Geräten arbeiten
21 Stunden
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