Course Outline

Pengantar TinyML dan Edge AI

  • Apa itu TinyML?
  • Keuntungan dan tantangan AI pada mikrokontroler
  • Ikhtisar alat TinyML: TensorFlow Lite dan Edge Impulse
  • Kasus penggunaan TinyML di IoT dan aplikasi dunia nyata

Menyiapkan Lingkungan Pengembangan TinyML

  • Menginstal dan mengkonfigurasi Arduino IDE
  • Pengantar TensorFlow Lite untuk mikrokontroler
  • Menggunakan Edge Impulse Studio untuk pengembangan TinyML
  • Menghubungkan dan menguji mikrokontroler untuk aplikasi AI

Membangun dan Melatih Machine Learning Model

  • Memahami alur kerja TinyML
  • Mengumpulkan dan melakukan praproses data sensor
  • Melatih model pembelajaran mesin untuk AI tertanam
  • Mengoptimalkan model untuk pemrosesan daya rendah dan waktu nyata

Menerapkan Model AI pada Microcontroller

  • Mengonversi model AI ke format TensorFlow Lite
  • Model yang berkedip dan berjalan pada mikrokontroler
  • Memvalidasi dan men-debug implementasi TinyML

Mengoptimalkan TinyML untuk Kinerja dan Efisiensi

  • Teknik untuk kuantisasi dan kompresi model
  • Strategi manajemen daya untuk AI edge
  • Kendala memori dan komputasi dalam AI tertanam

Aplikasi Praktis TinyML

  • Pengenalan gerakan menggunakan data akselerometer
  • Klasifikasi audio dan penemuan kata kunci
  • Deteksi anomali untuk pemeliharaan prediktif

Keamanan dan Tren Masa Depan di TinyML

  • Memastikan privasi dan keamanan data di aplikasi TinyML
  • Tantangan pembelajaran terfederasi pada mikrokontroler
  • Penelitian dan kemajuan yang muncul dalam TinyML

Ringkasan dan Langkah Berikutnya

Requirements

  • Pengalaman dengan pemrograman sistem tertanam
  • Keakraban dengan pemrograman Python atau C/C++
  • Pengetahuan dasar tentang konsep pembelajaran mesin
  • Pemahaman tentang perangkat keras dan periferal mikrokontroler

Hadirin

  • Insinyur sistem tertanam
  • pengembang AI
 21 Hours

Number of participants


Price per participant

Upcoming Courses (Minimal 5 peserta)

Related Categories