TinyML i wbudowane uczenie maszynowe: od czujników do wdrożenia

Ponieważ urządzenia stają się mniejsze i bardziej zintegrowane z naszym codziennym życiem, możliwość przetwarzania danych lokalnie na mikrokontrolerach staje się niezbędna.Ten kurs wprowadza Cię na skrzyżowanie sprzętu i sztucznej inteligencji, zapewniając wyraźną ścieżkę do rosnącej dziedziny TinyML. Przejdziesz od zrozumienia podstawowych komponentów sprzętowych do wdrażania funkcjonalnych modeli uczenia maszynowego, które interpretują sygnały z rzeczywistego świata bezpośrednio na krawędzi. Dzięki pisemnym wyjaśnieniom i uporządkowanym ćwiczeniom zdobędziesz umiejętności potrzebne do przekształcenia surowych danych wejściowych czujnika w użyteczną inteligencję bez polegania na łączności w chmurze.Pod koniec tego kursu będziesz w stanie zaprojektować i wdrożyć wydajne modele dostosowane do środowisk o ograniczonych zasobach. Czego się nauczysz: - Zrozum podstawowe zasady systemów wbudowanych i architektury sprzętu o niskiej mocy - Zastosuj techniki przetwarzania sygnału, aby interpretować surowe dane z mikrofonów i akcelerometrów - Twórz modele uczenia maszynowego zoptymalizowane pod kątem mikrokontrolerów i sprzętu mobilnego - Ćwicz kwantyzację i optymalizację modelu, aby zmniejszyć ślady pamięci i pamięci masowej - Wdrażaj system wykrywania zdarzeń akustycznych, aby rozpoznawać określone wzorce dźwiękowe - Wdrażaj energooszczędne strategie wnioskowania dla zrównoważonej pracy urządzenia Kurs rozpoczyna się od podstawowej terminologii i podstaw sprzętu, zanim przejdzie do gromadzenia danych, szkolenia modeli i konkretnych ograniczeń obliczeń brzegowych.Zakończysz, stosując swoją wiedzę do projektu skupionego na klasyfikacji rzeczywistych zdarzeń akustycznych. Ten kurs jest przeznaczony dla początkujących zainteresowanych przecięciem sprzętu i AI; nie jest wymagane wcześniejsze doświadczenie z systemami wbudowanymi lub uczeniem maszynowym.Zacznij budować inteligentne urządzenia brzegowe już dziś.