【政府補助】AI邊緣運算實作TensorFlow Lite for MCU
開課日期 | | 2025-05-10 |
課程費用 | | 線上洽詢 |
開課地點 | | 線上課程遠距同步教學課程 |
適合職務 | |
開課日期
2025-05-10
學習時程
21
上課時間
週日
上課時段
上午,下午
※補助身分認定請詳洽報名專員確認。
AI結合硬體,產業趨勢 X 領先職能
✔搭配硬體,學習才有感
透過 SparkFun Edge 硬體裝置,實戰開發 TinyML 的AI應用。
✔實戰三大AI專案,還提供程式源碼
進行微控制器上面的AI開發專案,包含人臉偵測、語音識別、姿態識別三大專案。
✔老師傅才能讓你快速抓到開發的眉角
汲取業師的實務開發經驗,讓你少走冤望路。縮短專案開發時程,就是省錢。
你將獲得的知識和技術有:
1. 了解 Edge AI 的應用、限制與挑戰。
2. 了解 Tensorflow Lite for MCU 的軟體程式架構與開發流程。
3. 了解最佳化 ML 模型的方法:量化、剪枝、壓縮原理。
4. 了解 AI模型如何部署於微控制器,包含開發環境建立、模型訓練、模型最佳化等。
5. 了解 MCU該如何處理這些讀入的連續輸入資料(包含圖像、語音、感測訊號)及模型模型輸出後的處理等。
TensorFlow Lite for MCU是專為邊緣裝置設計的TensorFlow模型預測框架,是TensorFlow的精簡版本,讓開發者可以在物聯網與嵌入式裝置中部署微型機器學習模型。 本課程將教授AI模型如何部署於微控制器,包含模型訓練、模型最佳化以及TensorFlow Lite框架的程式開發等。實作上搭配Sparkfun edge board (ARM cortex M4),說明如何以TensorFlow Lite 在微控制器上開發人工智慧專案。
課程安排三項Edge AI專案實作,跨足AI在圖像、語音、感測訊號的三大應用領域,包含連續圖像輸入的人臉偵測、連續語音訊號輸入的語音識別、連續感測訊號輸入的姿態識別。在課程中也會特別解說MCU是如何處理這些讀入的連續輸入資料(包含圖像、語音、感測訊號)及模型輸出後的處理,才能讓AI系統更加穩健。
揮動姿態識別(配合3軸加速器)▼
偵測有無人臉(配合camera sensor)▼
Joseph老師
▪ 台灣大學電機工程系博士研究 ▪ 上市網通科技公司/資深軟體工程師
▪ 機器學習 ▪ 深度學習 ▪ 嵌入式Linux系統 ▪ ARM Boot Loader
▪ MCU 韌體設計 ▪ Linux 驅動程式 ▪ Linux系統程式 ▪ 網路通訊協定
如您對本課程有興趣,或需相關諮詢,歡迎於下方留下您的聯絡資訊,我們將派專人與您聯繫,感謝您!