Introduction to TinyML

• 基本编程知识（Python或C/C++）
• 熟悉机器学习概念（推荐但不强制）
• 了解嵌入式系统（可选但有益）

受众

• 工程师
• 数据科学家
• AI爱好者

TinyML是机器学习在资源受限的微控制器和嵌入式设备上的应用。

本次由讲师指导的培训（线上或线下）面向初学者级别的工程师和数据科学家，旨在帮助他们理解TinyML的基础知识，探索其应用，并在微控制器上部署AI模型。

在培训结束时，参与者将能够：

• 理解TinyML的基础知识及其重要性。
• 在微控制器和边缘设备上部署轻量级AI模型。
• 优化和微调机器学习模型以实现低功耗。
• 将TinyML应用于实际场景，如手势识别、异常检测和音频处理。

课程形式

• 互动讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行动手实践。

课程定制选项

• 如需为本课程定制培训，请联系我们进行安排。

TinyML 简介

• TinyML 是什么？
• 微控制器上机器学习的重要性
• 传统 AI 与 TinyML 的比较
• 硬件和软件需求概述

设置 TinyML 环境

• 安装 Arduino IDE 并设置开发环境
• TensorFlow Lite 和 Edge Impulse 简介
• 为 TinyML 应用刷写和配置微控制器

构建与部署 TinyML 模型

• 理解 TinyML 工作流程
• 为微控制器训练简单的机器学习模型
• 将 AI 模型转换为 TensorFlow Lite 格式
• 将模型部署到硬件设备上

优化 TinyML 以适用于边缘设备

• 减少内存和计算占用
• 量化和模型压缩技术
• 基准测试 TinyML 模型性能

TinyML 应用与 Use Cases

• 使用加速度计数据进行手势识别
• 音频分类和关键词识别
• 用于预测性维护的异常检测

TinyML 的挑战与未来趋势

• 硬件限制与优化策略
• TinyML 中的安全与隐私问题
• TinyML 的未来发展与研究

总结与下一步