TinyML Temelleri: Gömülü Cihazlarda Makine Öğrenmesi

Akıllı cihazlar her yerdedir, ancak küçük donanımlarda karmaşık yapay zeka modelleri çalıştırmak özel bir beceri seti gerektirir. Bu metin tabanlı kurs, makine öğrenmesi ile gömülü sistemler arasındaki boşluğu doldurarak günlük nesnelere zeka katmanın yollarını gösterir. Standart makine öğrenmesini anlamaktan, düşük güçlü donanımlarda yüksek oranda optimize edilmiş modelleri dağıtmaya geçiş yapacak, kritik performanstan ödün vermeden modelleri nasıl küçülteceğiniz konusunda pratik bir anlayış kazanacaksınız. Öğrenecekleriniz: - Makine öğrenmesinin temel terminolojisini ve gömülü donanım kısıtlamalarını anlayın. - Mikrodenetleyiciler için model boyutunu azaltmak üzere niceleme (quantization) ve budama (pruning) tekniklerini uygulayın. - Küçük cihazlarda çıkarım (inference) çalıştırmak için TensorFlow Lite for Microcontrollers'ı yapılandırın. - Kenar donanımının güç tüketimini ve bellek sınırlamalarını analiz edin. - Gömülü yapay zeka uygulamaları için temiz, verimli kod yazma pratiği yapın. Kurs, gömülü sistemler ve makine öğrenmesinin temel kavramlarıyla başlar, model optimizasyonu, derleme ve donanıma son dağıtım yoluyla sizi adım adım yönlendirir. Açık yazılı açıklamalar, pratik kod incelemeleri ve kavramsal alıştırmalar aracılığıyla öğreneceksiniz. Her iki alanın kesişimini keşfetmek isteyen gömülü sistemler veya makine öğrenmesi alanında yeni başlayanlar için tasarlanmıştır, başlamak için gelişmiş donanım veya önceden ML deneyimi gerekmez. Akıllı, düşük güçlü cihazların potansiyelini ortaya çıkarmak için bugün okumaya başlayın.