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與邊緣AI簡介
- TinyML是什麼?
- 微控制器上AI的優勢與挑戰
- TinyML工具概述:TensorFlow Lite與Edge Impulse
- TinyML在物聯網與現實應用中的使用案例
搭建TinyML開發環境
- 安裝與配置Arduino IDE
- 微控制器上的TensorFlow Lite簡介
- 使用Edge Impulse Studio進行TinyML開發
- 連接並測試微控制器以進行AI應用
構建與訓練機器學習模型
- 理解TinyML工作流程
- 收集與預處理傳感器數據
- 爲嵌入式AI訓練機器學習模型
- 優化模型以實現低功耗與即時處理
在微控制器上部署AI模型
- 將AI模型轉換爲TensorFlow Lite格式
- 將模型燒錄並運行在微控制器上
- 驗證與調試TinyML實現
優化TinyML的性能與效率
- 模型量化與壓縮技術
- 邊緣AI的電源管理策略
- 嵌入式AI中的內存與計算限制
TinyML的實際應用
- 使用加速度計數據進行手勢識別
- 音頻分類與關鍵詞識別
- 用於預測性維護的異常檢測
TinyML的安全性與未來趨勢
- 確保TinyML應用中的數據隱私與安全性
- 微控制器上聯邦學習的挑戰
- TinyML的新興研究與進展
總結與下一步
最低要求
- 具備嵌入式系統編程經驗
- 熟悉Python或C/C++編程
- 具備機器學習概念的基礎知識
- 瞭解微控制器硬件及外設
受衆
- 嵌入式系統工程師
- AI開發者
21 時間: