感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
TinyML簡介
- TinyML是什麼?
- 爲什麼在微控制器上運行AI?
- TinyML的挑戰與優勢
搭建TinyML開發環境
- TinyML工具鏈概述
- 安裝TensorFlow Lite for Microcontrollers
- 使用Arduino IDE和Edge Impulse
構建與部署TinyML模型
- 訓練TinyML的AI模型
- 轉換與壓縮AI模型以適應微控制器
- 在低功耗硬件上部署模型
優化TinyML以實現能效
- 模型壓縮的量化技術
- 延遲與功耗的考量
- 性能與能效的平衡
微控制器上的即時推理
- 使用TinyML處理傳感器數據
- 在Arduino、STM32和Raspberry Pi Pico上運行AI模型
- 優化即時應用的推理
TinyML與IoT及邊緣應用的集成
- 將TinyML與IoT設備連接
- 無線通信與數據傳輸
- 部署AI驅動的IoT解決方案
實際應用與未來趨勢
- 在醫療、農業和工業監控中的用例
- 超低功耗AI的未來
- TinyML研究與部署的下一步
總結與下一步
最低要求
- 瞭解嵌入式系統和微控制器
- 具備AI或機器學習基礎知識
- 具備C、C++或Python編程基礎
受衆
- 嵌入式工程師
- IoT開發者
- AI研究員
21 時間: