Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Thời gian kéo dài 21 Giờ học
Đề cương khóa học
Nền tảng của Pipeline TinyML
- Khái quát về các giai đoạn của luồng công việc TinyML
- Đặc điểm của phần cứng biên
- Các yếu tố cân nhắc trong thiết kế pipeline
Thu thập và Tiền xử lý Dữ liệu
- Thu thập dữ liệu có cấu trúc và dữ liệu cảm biến
- Các chiến lược gán nhãn và tăng cường dữ liệu
- Chuẩn bị bộ dữ liệu cho môi trường bị ràng buộc
Phát triển Mô hình cho TinyML
- Chọn kiến trúc mô hình cho microcontroller
- Các luồng công việc đào tạo sử dụng các framework ML tiêu chuẩn
- Đánh giá các chỉ số hiệu suất mô hình
Tối ưu hóa và Nén Mô hình
- Các kỹ thuật lượng tử hóa (Quantization)
- Đổ nhánh (Pruning) và chia sẻ trọng số
- Cân bằng độ chính xác và giới hạn nguồn lực
Chuyển đổi và Đóng gói Mô hình
- Xuất mô hình sang TensorFlow Lite
- Tích hợp mô hình vào các toolchain nhúng
- Quản lý kích thước mô hình và các ràng buộc bộ nhớ
Triển khai trên Microcontroller
- Flash mô hình lên các mục tiêu phần cứng
- Cấu hình môi trường runtime
- Kiểm thử suy luận thời gian thực
Giám sát, Kiểm thử và Kiểm chứng
- Các chiến lược kiểm thử cho hệ thống TinyML đã triển khai
- Chẩn đoán hành vi mô hình trên phần cứng
- Việc xác thực hiệu suất trong điều kiện thực địa
Tích hợp Pipeline Đầu Cuối Hoàn chỉnh
- Xây dựng các luồng công việc tự động
- Quản lý phiên bản cho dữ liệu, mô hình và firmware
- Quản lý các bản cập nhật và vòng lặp lặp đi lặp lại
Tóm tắt và Các Bước Tiếp Theo
Yêu cầu
- Hiểu biết về các nguyên lý cơ bản của machine learning
- Kinh nghiệm trong lập trình nhúng
- Quen thuộc với các quy trình dữ liệu dựa trên Python
Đối tượng người học
- Kỹ sư AI
- Lập trình viên phần mềm
- Chuyên gia hệ thống nhúng
