课程大纲

TinyML与边缘AI简介

  • TinyML是什么?
  • 微控制器上AI的优势与挑战
  • TinyML工具概述:TensorFlow Lite与Edge Impulse
  • TinyML在物联网与现实应用中的使用案例

搭建TinyML开发环境

  • 安装与配置Arduino IDE
  • 微控制器上的TensorFlow Lite简介
  • 使用Edge Impulse Studio进行TinyML开发
  • 连接并测试微控制器以进行AI应用

构建与训练机器学习模型

  • 理解TinyML工作流程
  • 收集与预处理传感器数据
  • 为嵌入式AI训练机器学习模型
  • 优化模型以实现低功耗与实时处理

在微控制器上部署AI模型

  • 将AI模型转换为TensorFlow Lite格式
  • 将模型烧录并运行在微控制器上
  • 验证与调试TinyML实现

优化TinyML的性能与效率

  • 模型量化与压缩技术
  • 边缘AI的电源管理策略
  • 嵌入式AI中的内存与计算限制

TinyML的实际应用

  • 使用加速度计数据进行手势识别
  • 音频分类与关键词识别
  • 用于预测性维护的异常检测

TinyML的安全性与未来趋势

  • 确保TinyML应用中的数据隐私与安全性
  • 微控制器上联邦学习的挑战
  • TinyML的新兴研究与进展

总结与下一步

要求

  • 具备嵌入式系统编程经验
  • 熟悉Python或C/C++编程
  • 具备机器学习概念的基础知识
  • 了解微控制器硬件及外设

受众

  • 嵌入式系统工程师
  • AI开发者
 21 小时

即将举行的公开课程

课程分类