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.
Đề cương khóa học
Introduction to Edge AI and TinyML
- Overview of AI at the edge
- Benefits and challenges of running AI on devices
- Use cases in robotics and automation
Fundamentals of TinyML
- Machine learning for resource-constrained systems
- Model quantization, pruning, and compression
- Supported frameworks and hardware platforms
Model Development and Conversion
- Training lightweight models using TensorFlow or PyTorch
- Converting models to TensorFlow Lite and PyTorch Mobile
- Testing and validating model accuracy
On-Device Inference Implementation
- Deploying AI models to embedded boards (Arduino, Raspberry Pi, Jetson Nano)
- Integrating inference with robotic perception and control
- Running real-time predictions and monitoring performance
Optimization for Edge Performance
- Reducing latency and energy consumption
- Hardware acceleration using NPUs and GPUs
- Benchmarking and profiling embedded inference
Edge AI Frameworks and Tools
- Working with TensorFlow Lite and Edge Impulse
- Exploring PyTorch Mobile deployment options
- Debugging and tuning embedded ML workflows
Practical Integration and Case Studies
- Designing edge AI perception systems for robots
- Integrating TinyML with ROS-based robotics architectures
- Case studies: autonomous navigation, object detection, predictive maintenance
Summary and Next Steps
Yêu cầu
- An understanding of embedded systems
- Experience with Python or C++ programming
- Familiarity with basic machine learning concepts
Audience
- Embedded developers
- Robotics engineers
- System integrators working on intelligent devices
21 Giờ học
Đánh giá (1)
kiến thức và ứng dụng của trí tuệ nhân tạo cho Robotics trong tương lai.
Ryle - PHILIPPINE MILITARY ACADEMY
Khóa học - Artificial Intelligence (AI) for Robotics
Dịch thuật bằng máy
