TinyML'e Giriş: Mikrodenetleyicilerde Makine Öğrenimi

Akıllı cihazlar her yerde, ancak karmaşık makine öğrenimi modellerini küçük, düşük güçlü donanımlarda çalıştırmak benzersiz bir beceri seti gerektirir. TinyML, gömülü sistemler ve yapay zeka arasındaki boşluğu doldurarak zekayı doğrudan uçta (edge) mümkün kılar. Bu metin tabanlı kurs, sizi donanım ve makine öğreniminin mutlak temellerinden, optimize edilmiş modelleri mikrodenetleyicilere dağıtmaya kadar yönlendirir. Modelleri doğruluk kaybetmeden nasıl küçülteceğinizi ve bunları gerçek dünya senaryolarında verimli bir şekilde nasıl çalıştıracağınızı anlayacaksınız. Neler öğreneceksiniz: TinyML'in, gömülü sistemlerin ve kaynak kısıtlı bilişimin temel prensiplerini anlayın; Kuantizasyon (quantization), budama (pruning) ve kümeleme (clustering) dahil olmak üzere model optimizasyon tekniklerini keşfedin; Uç tabanlı makine öğrenimi uygulamaları için sensör verilerini hazırlayın ve ön işleyin; Modern çerçeve kurallarını kullanarak kompakt sinir ağları oluşturun ve eğitin; Optimize edilmiş modelleri popüler mikrodenetleyici mimarilerine ve uç donanımlara dağıtın; Cihaz üzerinde model performansını ve güç tüketimini sorun giderin, test edin ve değerlendirin. Gömülü sistemlerin ve makine öğreniminin temel tanımları ve anahtar terminolojisi ile başlayacaksınız. Buradan, mikrodenetleyiciler üzerinde veri toplama, model eğitimi, optimizasyon stratejileri ve adım adım dağıtım iş akışları konularında ilerleyeceksiniz. Bu kurs, makine öğrenimine yeni başlayanlar, yazılım geliştiriciler ve edge AI'ı keşfetmek isteyen elektronik meraklıları için tasarlanmıştır. Donanım veya ileri düzey matematik konusunda önceden deneyim gerekmemektedir. Uç zeka dünyasına yolculuğunuza başlayın ve bugün akıllı, düşük güçlü uygulamalar oluşturmayı öğrenin.