Liên hệ với chúng tôi
 Thời gian kéo dài 21 Giờ học

Đề cương khóa học

Giới thiệu về Edge AI và TinyML

  • Tổng quan về AI ở biên
  • Lợi ích và thách thức khi chạy AI trên thiết bị
  • Trường hợp sử dụng trong robotics và tự động hóa

Cơ bản về TinyML

  • Học máy cho các hệ thống có nguồn lực hạn chế
  • Lượng tử hóa, cắt tỉa và nén mô hình
  • Các khung và nền tảng phần cứng hỗ trợ

Phát triển và chuyển đổi mô hình

  • Đào tạo các mô hình nhẹ bằng TensorFlow hoặc PyTorch
  • Chuyển đổi mô hình sang TensorFlow Lite và PyTorch Mobile
  • Kiểm tra và xác thực độ chính xác của mô hình

Triển khai suy luận trên thiết bị

  • Triển khai các mô hình AI lên các bo mạch nhúng (Arduino, Raspberry Pi, Jetson Nano)
  • Tích hợp suy luận với nhận thức và điều khiển robot
  • Chạy các dự đoán thời gian thực và theo dõi hiệu suất

Tối ưu hóa cho hiệu suất Edge

  • Giảm độ trễ và mức tiêu thụ năng lượng
  • Đóng gói phần cứng sử dụng NPU và GPU
  • Đo hiệu năng và phân tích suy luận nhúng

Các khung và công cụ Edge AI

  • Làm việc với TensorFlow Lite và Edge Impulse
  • Khám phá các tùy chọn triển khai PyTorch Mobile
  • Gỡ lỗi và tinh chỉnh quy trình làm việc ML nhúng

Tích hợp thực tế và nghiên cứu tình huống

  • Thiết kế các hệ thống nhận thức Edge AI cho robot
  • Tích hợp TinyML với kiến trúc robotics dựa trên ROS
  • Nghiên cứu tình huống: điều hướng tự chủ, phát hiện đối tượng, bảo trì dự đoán

Tóm tắt và các bước tiếp theo

Yêu cầu

  • Hiểu biết về hệ thống nhúng
  • Kinh nghiệm lập trình bằng Python hoặc C++
  • Quen thuộc với các khái niệm cơ bản về học máy

Đối tượng tham gia

  • Các nhà phát triển nhúng
  • Các kỹ sư robotics
  • Các nhà tích hợp hệ thống làm việc với thiết bị thông minh

Số người tham gia


Giá cho mỗi học viên

Đánh giá (2)

Các khóa học sắp tới

Các danh mục liên quan