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
- Eigenschaften von TinyML-Systemen
- Spezifische Einschränkungen und Anforderungen im Gesundheitswesen
- Übersicht über Wearable-KI-Architekturen
Erfassung und Vorverarbeitung von Biosignalen
- Arbeiten mit physiologischen Sensoren
- Techniken zur Rauschunterdrückung und Filterung
- Feature-Extraktion für medizinische Zeitreihen
Entwicklung von TinyML-Modellen für Wearables
- Auswahl von Algorithmen für physiologische Daten
- Training von Modellen für ressourcenbeschränkte Umgebungen
- Auswertung der Leistungsfähigkeit auf Gesundheitsdatensätzen
Einsatz von Modellen auf Wearable-Geräten
- Nutzung von TensorFlow Lite Micro für die Inferenz auf dem Gerät
- Integration von KI-Modellen in medizinische Wearables
- Testen und Validieren auf eingebetteter Hardware
Optimierung von Energieverbrauch und Speicherplatz
- Techniken zur Reduzierung der Rechenlast
- Optimierung des Datenflusses und der Speicherplatznutzung
- Ausgleich zwischen Genauigkeit und Effizienz
Sicherheit, Zuverlässigkeit und Konformität
- Regulatorische Aspekte bei KI-gestützten Wearables
- Sicherstellung der Robustheit und klinischen Nutzbarkeit
- Fail-Safe-Mechanismen und Fehlerbehandlung
Fallstudien und Anwendungen im Gesundheitswesen
- Wearable-Systeme zur kardialen Überwachung
- Aktivitäts recognition in der Rehabilitation
- Kontinuierliche Überwachung von Glukosewerten und biometrischen Daten
Zukunftsperspektiven im medizinischen TinyML
- Ansätze zur Fusion mehrerer Sensoren
- Personalisierte Gesundheitsanalytik
- KI-Chips der nächsten Generation für niedrigen Energieverbrauch
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegende Kenntnisse der maschinellen Lernkonzepte
- Erfahrung mit eingebetteten Systemen oder Biomedizintechnik
- Vertrautheit mit der Entwicklung in Python oder C
Zielgruppe
- Fachkräfte im Gesundheitswesen
- 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