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。
課程時長 21 時間:
課程簡介
TinyML 管線的基礎
- TinyML 工作流程各階段概述
- 邊緣硬體的特性
- 管線設計考量
數據收集與預處理
- 收集結構化數據和傳感器數據
- 數據標註和增強策略
- 為受限環境準備數據集
TinyML 模型開發
- 為微控制器選擇模型架構
- 使用標準 ML 框架的訓練工作流程
- 評估模型性能指標
模型優化與壓縮
- 量化技術
- 剪枝和權重共享
- 平衡準確度與資源限制
模型轉換與打包
- 將模型導出至 TensorFlow Lite
- 將模型整合到嵌入式工具鏈中
- 管理模型大小和記憶體限制
在微控制器上部署
- 將模型刷寫至硬體目標
- 配置運行時環境
- 實時推理測試
監控、測試與驗證
- 已部署 TinyML 系統的測試策略
- 在硬體上除錯模型行為
- 在現場條件下驗證性能
整合完整的端到端管線
- 構建自動化工作流程
- 對數據、模型和韌體進行版本控制
- 管理更新和迭代
總結與下一步行動
最低要求
- 了解機器學習基礎知識
- 具備嵌入式編程經驗
- 熟悉基於 Python 的數據工作流程
目標受眾
- AI 工程師
- 軟體開發者
- 嵌入式系統專家
客戶評論 (1)
練習
Gianluca Bovo - Urmet
課程 - Security and Privacy in TinyML Applications
機器翻譯