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 KI-Ausführung auf Geräten
- Anwendungsfälle in Robotik und Automatisierung
Grundlagen von TinyML
- Machine Learning für ressourcenbegrenzte Systeme
- Quantisierung, Pruning und Komprimierung von Modellen
- Unterstützte Frameworks und Hardwareplattformen
Modellentwicklung und Konvertierung
- Training leichter Modelle mit TensorFlow oder PyTorch
- Konvertierung von Modellen in TensorFlow Lite und PyTorch Mobile
- Testen und Validieren der Modellgenauigkeit
Implementierung der On-Device-Inferenz
- Deployment von KI-Modellen auf eingebetteten Boards (Arduino, Raspberry Pi, Jetson Nano)
- Integration der Inferenz in robotische Wahrnehmung und Steuerung
- Durchführung von Echtzeit-Prognosen und Überwachung der Leistung
Optimierung für Edge-Leistung
- Reduzierung von Latenz und Energieverbrauch
- Hardware-Beschleunigung durch NPUs und GPUs
- Benchmarks und Profiling der eingebetteten Inferenz
Edge-AI-Frameworks und Tools
- Arbeit mit TensorFlow Lite und Edge Impulse
- Erforschung von Deployment-Optionen mit PyTorch Mobile
- Fehlerbehebung und Anpassung eingebetteter ML-Workflows
Praktische Integration und Fallstudien
- Design von Edge-AI-Wahrnehmungssystemen für Roboter
- Integration von TinyML in ROS-basierte Robotikarchitekturen
- Fallstudien: Autonome Navigation, Objekterkennung, vorausschauende Instandhaltung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundkenntnisse in eingebetteten Systemen
- Erfahrung in der Programmierung mit Python oder C++
- Vertrautheit mit grundlegenden Konzepten des Machine Learning
Zielgruppe
- Embedded-Entwickler
- Roboter-Ingenieure
- Systemintegratoren im Bereich intelligenter 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