Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Edge AI und TinyML
- Überblick über KI am Edge
- Vorteile und Herausforderungen der KI-Ausführung auf Geräten
- Anwendungsfälle in Robotik und Automatisierung
Grundlagen von TinyML
- Maschinelles Lernen für ressourcenbeschränkte Systeme
- Quantisierung, Pruning und Kompression von Modellen
- Unterstützte Frameworks und Hardwareplattformen
Modellentwicklung und -konvertierung
- Training schlanker Modelle mit TensorFlow oder PyTorch
- Konvertierung von Modellen in TensorFlow Lite und PyTorch Mobile
- Testen und Validieren der Modellgenauigkeit
Implementierung der On-Device-Inferenz
- Bereitstellung von KI-Modellen auf eingebetteten Boards (Arduino, Raspberry Pi, Jetson Nano)
- Integration der Inferenz mit robotischer Wahrnehmung und Steuerung
- Ausführung von Echtzeit-Vorhersagen und Überwachung der Leistung
Optimierung für Edge-Leistung
- Reduzierung von Latenz und Stromverbrauch
- Hardware-Beschleunigung mittels NPUs und GPUs
- Benchmarks und Profiling von eingebetteter Inferenz
Edge-AI-Frameworks und -Werkzeuge
- Arbeit mit TensorFlow Lite und Edge Impulse
- Untersuchung der Bereitstellungsoptionen für PyTorch Mobile
- Fehlerdiagnose und Anpassung eingebetteter ML-Workflows
Praktische Integration und Fallstudien
- Entwicklung von Edge-AI-Wahrnehmungssystemen für Roboter
- Integration von TinyML in ROS-basierte Robotik-Architekturen
- Fallstudien: Autonome Navigation, Objekterkennung, prädiktive Wartung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundverständnis von Embedded-Systemen
- Erfahrung mit Python- oder C++-Programmierung
- Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens
Zielgruppe
- Embedded-Entwickler
- Robotik-Ingenieure
- Systemintegratoren im Bereich intelligenter Geräte
21 Stunden
Erfahrungsberichte (2)
Bereitstellung der Materialien (virtuelle Maschine), um direkt mit den Übungen zu beginnen, sowie Erläuterung der ROS2-Kernkonzepte. Warum bestimmte Dinge auf eine bestimmte Weise funktionieren.
Arjan Bakema
Kurs - Autonomous Navigation & SLAM with ROS 2
Maschinelle Übersetzung
sein Wissen und die Nutzung von KI für Robotik in der Zukunft.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maschinelle Übersetzung