Podstawy TinyML: Uczenie Maszynowe na Urządzeniach Wbudowanych

Inteligentne urządzenia są wszędzie, ale uruchamianie złożonych modeli AI na małym sprzęcie wymaga specjalistycznego zestawu umiejętności. Ten kurs oparty na tekście łączy lukę między uczeniem maszynowym a systemami wbudowanymi, pokazując, jak tchnąć inteligencję w codzienne przedmioty. Przejdziesz od zrozumienia standardowego uczenia maszynowego do wdrażania wysoce zoptymalizowanych modeli na sprzęcie o niskim poborze mocy, uzyskując praktyczne zrozumienie tego, jak zmniejszać modele bez poświęcania krytycznej wydajności. Czego się nauczysz: - Zrozumieć podstawową terminologię uczenia maszynowego i ograniczeń sprzętu wbudowanego. - Stosować techniki kwantyzacji i przycinania w celu zmniejszenia rozmiaru modelu dla mikrokontrolerów. - Skonfigurować TensorFlow Lite for Microcontrollers do uruchamiania wnioskowania na małych urządzeniach. - Analizować pobór mocy i ograniczenia pamięci sprzętu brzegowego. - Ćwiczyć pisanie czystego, wydajnego kodu dla wbudowanych aplikacji AI. Kurs rozpoczyna się od podstawowych pojęć systemów wbudowanych i uczenia maszynowego, prowadząc Cię krok po kroku przez optymalizację modeli, kompilację i ostateczne wdrożenie na sprzęcie. Będziesz uczyć się poprzez jasne pisemne wyjaśnienia, praktyczne omówienia kodu i ćwiczenia koncepcyjne. Zaprojektowany dla początkujących w dziedzinie systemów wbudowanych lub uczenia maszynowego, którzy chcą poznać przecięcie obu dziedzin, do rozpoczęcia pracy nie jest wymagany żaden zaawansowany sprzęt ani wcześniejsze doświadczenie z ML. Zacznij czytać już dzisiaj, aby uwolnić potencjalni inteligentnych urządzeń o niskim poborze mocy.