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
Grundlagen von TinyML im Gesundheitswesen
- Merkmale von TinyML-Systemen
- Branchenübergreifende Einschränkungen und Anforderungen im Gesundheitswesen
- Überblick über KI-Architekturen für Wearables
Erfassung und Vorverarbeitung von Biosignalen
- Arbeit mit physiologischen Sensoren
- Techniken zur Rauschunterdrückung und Filterung
- Merkmalsextraktion für medizinische Zeitreihen
Entwicklung von TinyML-Modellen für Wearables
- Auswahl von Algorithmen für physiologische Daten
- Training von Modellen in ressourcenbeschränkten Umgebungen
- Leistungsbewertung an Gesundheitsdatensätzen
Bereitstellung von Modellen auf Wearable-Devices
- Verwendung von TensorFlow Lite Micro für On-Device-Inferenz
- Integration von KI-Modellen in medizinische Wearables
- Testen und Validieren auf eingebetteter Hardware
Optimierung von Energie und Speicher
- Techniken zur Reduzierung der Rechenlast
- Optimierung des Datenflusses und des Speicherverbrauchs
- Ausgewogene Balance zwischen Genauigkeit und Effizienz
Sicherheit, Zuverlässigkeit und Konformität
- Regulatorische Aspekte für KI-basierte Wearables
- Sicherstellung der Robustheit und klinischen Nutzbarkeit
- Fehlersichere Mechanismen und Fehlerbehandlung
Studienfälle und Anwendungen im Gesundheitswesen
- Wearable-Systeme für die Herzüberwachung
- Aktivitätserkennung in der Rehabilitation
- Kontinuierliche Verfolgung von Glukose- und Biometriedaten
Zukunftstrends im medizinischen TinyML
- Ansätze zur Fusion mehrerer Sensoren
- Personalisierte Gesundheitsanalysen
- KI-Chips der nächsten Generation mit geringem Stromverbrauch
Zusammenfassung und weitere Schritte
Voraussetzungen
- Verständnis grundlegender Konzepte des maschinellen Lernens
- Erfahrung mit eingebetteten Systemen oder biomedizinischen Geräten
- Vertrautheit mit der Entwicklung in Python oder C
Zielgruppe
- Gesundheitsfachkräfte
- Biomedizintechniker
- KI-Entwickler
Erfahrungsberichte (2)
Fertigkeiten und Projekte in Claude, eine Vielzahl von Werkzeugen für unterschiedliche Zwecke
Agnieszka Czypionka
Kurs - Generative AI in Healthcare: Transforming Medicine and Patient Care
Maschinelle Übersetzung
Umfassende Informationen zum Hintergrund; wie man eine Prompt-Anfrage formuliert.
Olaf Kannt - Helios Klinikum Krefeld
Kurs - Generative AI and Prompt Engineering in Healthcare
Maschinelle Übersetzung