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:

人數


每位參與者的報價

Upcoming Courses

課程分類