Plan du cours

Introduction à TinyML et Edge AI

  • Qu'est-ce que TinyML ?
  • Avantages et défis de l'IA sur les microcontrôleurs
  • Aperçu des outils TinyML : TensorFlow Lite et Edge Impulse
  • Cas d'utilisation de TinyML dans l'IoT et les applications du monde réel

Configuration de l'environnement de développement TinyML

  • Installation et configuration de l'IDE Arduino
  • Introduction à TensorFlow Lite pour les microcontrôleurs
  • Utilisation de Edge Impulse Studio pour le développement TinyML.
  • Connecter et tester des microcontrôleurs pour des applications d'intelligence artificielle

Construire et former des modèles Machine Learning

  • Comprendre le flux de travail TinyML
  • Collecte et prétraitement des données de capteurs
  • Entraîner des modèles d'apprentissage automatique pour l'IA embarquée
  • Optimiser les modèles pour un traitement en temps réel et à faible consommation d'énergie

Déployer des modèles d'IA sur des Microcontroller

  • Conversion des modèles d'IA au format TensorFlow Lite
  • Flashage et exécution des modèles sur des microcontrôleurs
  • Valider et déboguer les implémentations de TinyML.

Optimiser TinyML pour la performance et l'efficacité

  • Techniques de quantification et de compression des modèles
  • Stratégies de gestion de l'énergie pour l'IA périphérique
  • Contraintes de mémoire et de calcul dans l'IA embarquée

Applications pratiques de TinyML

  • Reconnaissance de gestes à l'aide de données d'accéléromètre
  • Classification audio et repérage de mots-clés
  • Détection d'anomalies pour la maintenance prédictive

Sécurité et tendances futures dans le domaine de l'IA TinyML

  • Garantir la confidentialité et la sécurité des données dans les applications TinyML.
  • Défis de l'apprentissage fédéré sur les microcontrôleurs
  • Recherches et avancées émergentes dans le domaine des TinyML

Résumé et prochaines étapes

Pré requis

  • Expérience de la programmation de systèmes embarqués
  • Familiarité avec la programmation Python ou C/C++.
  • Connaissance de base des concepts d'apprentissage automatique
  • Compréhension du matériel et des périphériques des microcontrôleurs

Audience

  • Ingénieurs en systèmes embarqués
  • Développeurs d'IA
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires