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.
Dauer 21 Stunden
Schulungsübersicht
Einführung in Edge AI und TinyML
- Überblick über KI an der Edge
- Vorteile und Herausforderungen der Ausführung von KI auf Geräten
- Anwendungsbeispiele in Robotik und Automatisierung
Grundlagen von TinyML
- Maschinelles Lernen für ressourcenbeschränkte Systeme
- Modell-Quantisierung, Pruning und Kompression
- Unterstützte Frameworks und Hardwareplattformen
Modellentwicklung und -konvertierung
- Schulung leichtgewichtiger Modelle mit TensorFlow oder PyTorch
- Konvertierung von Modellen zu 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 in robotische Wahrnehmung und Steuerung
- Ausführung von Echtzeit-Vorhersagen und Leistungsmessung
Optimierung für Edge-Leistung
- Reduzierung von Latenz und Energieverbrauch
- Hardwarebeschleunigung mithilfe von NPUs und GPUs
- Benchmarks und Profiling eingebetteter Inferenz
Edge-AI-Frameworks und -Werkzeuge
- Arbeit mit TensorFlow Lite und Edge Impulse
- Erkundung der Bereitstellungsoptionen von PyTorch Mobile
- Fehlerbehebung und Abstimmung eingebetteter ML-Workflows
Praktische Integration und Fallstudien
- Gestaltung von Edge-AI-Wahrnehmungssystemen für Roboter
- Integration von TinyML in ROS-basierte Robotik-Architekturen
- Fallstudien: Autonome Navigation, Objekterkennung, prädiktive Instandhaltung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von eingebetteten Systemen
- Erfahrung in der Programmierung mit Python oder C++
- Kenntnisse grundlegender Konzepte des Maschinellen Lernens
Zielgruppe
- Eingebettete Entwickler
- Robotik-Ingenieure
- Systemintegratoren für intelligente Geräte
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