Fondamenti di Machine Learning Incorporato e TinyML

Il machine learning non è più confinato a server potenti; si sta spostando ai margini del nostro mondo fisico attraverso dispositivi a bassa potenza. Questo corso fornisce un'introduzione completa al campo di TinyML, permettendoti di portare intelligenza all'hardware che funziona a batteria per mesi o addirittura anni. Imparerai come colmare il divario tra la scienza dei dati e i sistemi embedded per creare applicazioni reattive, incentrate sulla privacy ed efficienti. Alla fine di questo corso, comprenderai l'intero ciclo di vita di un progetto di machine learning embedded, dalla raccolta dei dati all'inferenza sul dispositivo. Cosa imparerai: - Comprendere i principi fondamentali di TinyML e delle architetture di edge computing. - Imparare a raccogliere e pre-elaborare i dati dei sensori specificamente per ambienti embedded. - Esercitarsi nell'addestramento di reti neurali ottimizzate per microcontrollori con risorse limitate. - Applicare tecniche di ottimizzazione del modello come la quantizzazione e il pruning per minimizzare l'ingombro della memoria. - Esplorare framework moderni come TensorFlow Lite for Microcontrollers per la distribuzione edge. - Comprendere come implementare casi d'uso reali come il riconoscimento di parole chiave e il riconoscimento dei gesti. Il corso inizia con la terminologia essenziale e una panoramica dell'hardware embedded prima di guidarti attraverso pipeline di dati, ottimizzazione del modello e strategie di distribuzione. Questo programma è progettato per principianti interessati all'elettronica o al software che desiderano esplorare l'intersezione tra AI e hardware, senza alcuna esperienza precedente di machine learning richiesta. Inizia oggi il tuo viaggio nel mondo dei sistemi embedded intelligenti.