感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
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