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 TinyML
- Was ist TinyML?
- Die Bedeutung von Maschinellem Lernen auf Mikrocontrollern
- Vergleich zwischen traditioneller KI und TinyML
- Überblick über Hardware- und Software-Anforderungen
Einrichten der TinyML-Umgebung
- Installieren des Arduino IDE und Einrichtung der Entwicklungsumgebung
- Einführung in TensorFlow Lite und Edge Impulse
- Befestigen und Konfigurieren von Mikrocontrollern für TinyML-Anwendungen
Erstellen und Bereitstellen von TinyML-Modellen
- Verständnis des TinyML-Workflows
- Training eines einfachen maschinellen Lernmodells für Mikrocontroller
- Konvertieren von KI-Modellen in das TensorFlow Lite-Format
- Bereitstellen von Modellen auf Hardwaregeräten
Optimierung von TinyML für Edge-Geräte
- Reduzierung des Speicherverbrauchs und der Rechenleistung
- Techniken zur Quantisierung und Modellkompression
- Benchmarking der Leistung von TinyML-Modellen
TinyML-Anwendungen und Use Cases
- Gestenerkennung mit Beschleunigungssensordaten
- Audio-Klassifizierung und Keyword-Spotting
- Ausfallerkennung für vorhersagebasierte Wartung
TinyML-Herausforderungen und Zukunftstrends
- Hardwarebeschränkungen und Optimierungsstrategien
- Sicherheits- und Datenschutzbedenken in TinyML
- Zukünftige Fortschritte und Forschung in TinyML
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse der Programmierung (Python oder C/C++)
- Vertrautheit mit Machine-Learning-Konzepten (empfohlen, aber nicht erforderlich)
- Verständnis von eingebetteten Systemen (optional, aber hilfreich)
Zielgruppe
- Ingenieure
- Data Scientists
- AI-Enthusiasten
14 Stunden
