Cursusaanbod

Introductie tot TinyML en Edge AI

  • Wat is TinyML?
  • Voordelen en uitdagingen van AI op microcontrollers
  • Overview van TinyML tools: TensorFlow Lite en Edge Impulse
  • Use cases van TinyML in IoT en praktische toepassingen

De TinyML ontwikkelomgeving opzetten

  • Arduino IDE installeren en configureren
  • Introductie tot TensorFlow Lite voor microcontrollers
  • Edge Impulse Studio gebruiken voor TinyML ontwikkeling
  • Microcontrollers aansluiten en testen voor AI-toepassingen

Machine Learning modellen bouwen en trainen

  • De TinyML workflow begrijpen
  • Sensordata verzamelen en preprocessen
  • Machine learning-modellen trainen voor ingebedde AI
  • Modellen optimaliseren voor energiezuinige en real-time verwerking

AI-modellen implementeren op Microcontrollers

  • AI-modellen converteren naar TensorFlow Lite formaat
  • Modellen op microcontrollers flashen en uitvoeren
  • TinyML implementaties valideren en debuggen

TinyML optimaliseren voor prestaties en efficiëntie

  • Technieken voor modelkwantisatie en -compressie
  • Energiebeheerstrategieën voor edge AI
  • Geheugen- en computationele beperkingen in embedded AI

Praktische toepassingen van TinyML

  • Gebarenherkenning met behulp van versnellingsmeterdata
  • Audio-classificatie en het spotten van sleutelwoorden
  • Anomaliedetectie voor voorspellend onderhoud

Beveiliging en toekomstige trends in TinyML

  • Zorgen voor gegevensprivacy en -beveiliging in TinyML toepassingen
  • Uitdagingen van gefedereerd leren op microcontrollers
  • Opkomend onderzoek en vooruitgang in TinyML

Samenvatting en volgende stappen

Vereisten

  • Ervaring met programmeren van embedded systemen
  • Familiariteit met Python of C/C++ programmeren
  • Basiskennis van machine learning-concepten
  • Begrip van microcontrollerhardware en randapparatuur

Doelgroep

  • Ingenieurs in embedded systems
  • AI-ontwikkelaars
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën