Edge Machine Learning on Arm Microcontrollers

ไมโครคอนโทรลเลอร์มีอยู่ทุกหนทุกแห่ง และการนำปัญญาประดิษฐ์มาสู่Mอุปกรณ์พลังงานต่ำเหล่านี้กำลังเปลี่ยนแปลงเทคโนโลยี หลักสูตรที่เน้นข้อความนี้จะแนะนำคุณตลอดการออกแบบและปรับใช้โมเดล machine learning ที่มีประสิทธิภาพโดยตรงบนฮาร์ดแวร์ที่ใช้ Arm ด้วยการอ่านคู่มือเชิงปฏิบัตินี้ คุณจะเปลี่ยนจากการทำความเข้าใจระบบสมองกลฝังตัวเบื้องต้นไปสู่การปรับใช้โมเดล machine learning ในโลกแห่งความเป็นจริงที่ขอบ คุณจะได้เรียนรู้วิธีปรับแต่งโมเดลสำหรับสภาพแวดล้อมที่มีข้อจำกัดด้านทรัพยากร เพื่อให้มั่นใจว่าการทำงานรวดเร็วและการใช้พลังงานน้อยที่สุด โดยไม่ต้องพึ่งพาการเชื่อมต่อคลาวด์ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจคำศัพท์หลักของ TinyML, edge computing และสถาปัตยกรรมไมโครคอนโทรลเลอร์ - สร้างและฝึกโมเดล machine learning พื้นฐานที่ปรับให้เหมาะกับฮาร์ดแวร์ที่มีข้อจำกัดด้านทรัพยากร - ใช้เทคนิคการปรับแต่งโมเดล รวมถึง quantization และ pruning เพื่อให้พอดีกับหน่วยความจำขนาดเล็ก - ปรับใช้โมเดลที่ฝึกแล้วกับไมโครคอนโทรลเลอร์ที่ใช้ Arm โดยใช้เฟรมเวิร์กซอฟต์แวร์สมองกลฝังตัวที่ทันสมัย - วิเคราะห์และแก้ไขปัญหาประสิทธิภาพของโมเดลโดยตรงบนฮาร์ดแวร์โดยใช้คำอธิบายโค้ดที่เป็นลายลักษณ์อักษร การเดินทางเริ่มต้นด้วยแนวคิดพื้นฐานของระบบสมองกลฝังตัวและ machine learning ก่อนที่จะเข้าสู่การนำโค้ดไปใช้จริง กลยุทธ์การปรับแต่งโมเดล และแบบฝึกหัดการปรับใช้ คุณจะก้าวหน้าอย่างเป็นระบบจากทฤษฎีไปสู่การเขียนและทดสอบแอปพลิเคชัน edge AI ของคุณเอง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น ผู้ที่ชื่นชอบงานอดิเรก และนักพัฒนาซอฟต์แวร์ที่ต้องการเข้าสู่โลกของ embedded AI ไม่จำเป็นต้องมีพื้นฐานด้าน machine learning หรือการออกแบบฮาร์ดแวร์มาก่อน เริ่มอ่านวันนี้เพื่อปลดล็อกศักยภาพของการประมวลผลเฉพาะที่อัจฉริยะ