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.
Schulungsübersicht
Einführung in Edge AI und TinyML
- Überblick über KI am Edge
- Vorteile und Herausforderungen der Ausführung von KI auf Geräten
- Anwendungsfälle in Robotik und Automatisierung
Grundlagen von TinyML
- Machine Learning für ressourcenbeschränkte Systeme
- Modellquantisierung, Pruning und Kompression
- Unterstützte Frameworks und Hardwareplattformen
Modellentwicklung und -konvertierung
- Schwerpunktloses Trainieren von Modellen mit TensorFlow oder PyTorch
- Konvertieren von Modellen in TensorFlow Lite und PyTorch Mobile
- Testen und Validieren der Modellgenauigkeit
Implementierung der On-Device-Inferenz
- Bereitstellung von KI-Modellen auf Embedded-Boards (Arduino, Raspberry Pi, Jetson Nano)
- Integration der Inferenz in die robotische Wahrnehmung und Steuerung
- Ausführung von Echtzeitvorhersagen und Überwachung der Leistung
Optimierung für Edge-Leistung
- Reduzierung der Latenz und des Energieverbrauchs
- Hardwarebeschleunigung mittels NPUs und GPUs
- Benchmarking und Profiling der eingebetteten Inferenz
Edge-AI-Frameworks und Tools
- Arbeit mit TensorFlow Lite und Edge Impulse
- Untersuchung von Bereitstellungsoptionen für PyTorch Mobile
- Fehlerbehebung und Feinabstimmung eingebetteter ML-Workflows
Praktische Integration und Fallstudien
- Entwicklung von Edge-AI-Wahrnehmungssystemen für Roboter
- Integration von TinyML in ROS-basierte Robotikarchitekturen
- Fallstudien: Autonome Navigation, Objekterkennung, prädiktive Instandhaltung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Kenntnisse über eingebettete Systeme
- Erfahrung mit der Programmierung in Python oder C++
- Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens
Zielgruppe
- Entwickler eingebetteter Systeme
- Robotikingenieure
- Systemintegratoren, die an intelligenten Geräten arbeiten
21 Stunden
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