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
Giới thiệu về TinyML
- Hiểu về các ràng buộc và khả năng của TinyML
- Tổng quan về các nền tảng vi điều khiển phổ biến
- Sơ so sánh giữa Raspberry Pi, Arduino và các bo mạch khác
Thiết lập và cấu hình phần cứng
- Chuẩn bị hệ điều hành Raspberry Pi OS
- Cấu hình các bo mạch Arduino
- Kết nối cảm biến và thiết bị ngoại vi
Kỹ thuật thu thập dữ liệu
- Thu nhận dữ liệu cảm biến
- Xử lý dữ liệu âm thanh, chuyển động và môi trường
- Tạo bộ dữ liệu có nhãn
Phát triển mô hình cho thiết bị biên
- Chọn các kiến trúc mô hình phù hợp
- Đào tạo mô hình TinyML với TensorFlow Lite
- Đánh giá hiệu suất cho ứng dụng nhúng
Tối ưu hóa và chuyển đổi mô hình
- Các chiến lược lượng tử hóa (Quantization)
- Chuyển đổi mô hình để triển khai trên vi điều khiển
- Tối ưu hóa bộ nhớ và hiệu năng tính toán
Triển khai trên Raspberry Pi
- Chạy suy luận (inference) bằng TensorFlow Lite
- Tích hợp đầu ra của mô hình vào ứng dụng
- Khắc phục sự cố về hiệu năng
Triển khai trên Arduino
- Sử dụng thư viện Arduino TensorFlow Lite Micro
- Flash mô hình lên vi điều khiển
- Xác minh độ chính xác và hành vi thực thi
Xây dựng các ứng dụng TinyML hoàn chỉnh
- Thiết kế quy trình AI nhúng tổng thể
- Triển khai các nguyên mẫu tương tác trong thế giới thực
- Kiểm thử và tinh chỉnh chức năng dự án
Tóm tắt và các bước tiếp theo
Yêu cầu
- Hiểu biết về các khái niệm lập trình cơ bản
- Kinh nghiệm sử dụng vi điều khiển
- Thành thạo Python hoặc C/C++
Đối tượng học viên
- Những người sáng tạo (Makers)
- Những người đam mê công nghệ (Hobbyists)
- Nhà phát triển AI nhúng
21 Giờ