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 des maschinellen Lernens auf Mikrocontrollern
- Vergleich zwischen traditioneller KI und TinyML
- Überblick über die Hardware- und Softwareanforderungen
Einrichten der TinyML-Umgebung
- Installieren der Arduino-IDE und Einrichten der Entwicklungsumgebung
- Einführung in TensorFlow Lite und Edge Impulse
- Flashen und Konfigurieren von Mikrocontrollern für TinyML-Anwendungen
Erstellen und Bereitstellen von TinyML-Modellen
- Verstehen des TinyML-Workflows
- Trainieren eines einfachen maschinellen Lernmodells für Mikrocontroller
- Konvertierung von AI-Modellen in das TensorFlow Lite-Format
- Bereitstellen von Modellen auf Hardware-Geräten
Optimieren von TinyML für Edge-Geräte
- Verringerung des Speicher- und Rechenaufwands
- Techniken zur Quantisierung und Modellkomprimierung
- Benchmarking TinyML der Modellleistung
TinyML Anwendungen und Use Cases
- Gestenerkennung mit Beschleunigungssensor-Daten
- Audioklassifizierung und Keyword-Spotting
- Anomalieerkennung für vorausschauende Wartung
TinyML Herausforderungen und zukünftige Trends
- Hardwarebeschränkungen und Optimierungsstrategien
- Sicherheit und Datenschutz in TinyML
- Zukünftige Fortschritte und Forschung in TinyML
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Programmierkenntnisse (Python oder C/C++)
- Vertrautheit mit Konzepten des maschinellen Lernens (empfohlen, aber nicht erforderlich)
- Verständnis für eingebettete Systeme (optional, aber hilfreich)
Zielgruppe
- Ingenieure
- Datenwissenschaftler
- KI-Enthusiasten
14 Stunden
