AI正快速從「 Cloud雲端」走向「 Edge終端」

隨著物聯網與人工智慧發展，工作負載開始由雲端移轉至終端，AI也隨之進入到嵌入式系統及物聯網終端裝置中。在終端或所謂邊緣裝置這類的超低功耗微處理器上所實現的機器學習，被稱呼為微型機器學習，即TinyML。然而在硬體資源受限下，要如何確保AI 效能，同時兼顧低功耗、成本與縮短開發時間，都是研發人員所必須面對的挑戰。

TensorFlow Lite for MCU正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模型如何佈署於微控制器，包含模型訓練、模型最佳化以及TensorFlow Lite框架的程式開發等。此外，在實作上以Sparkfun edge board (ARM cortex M4)為例，說明如何以TensorFlow Lite 進行微控制器上面的人工智慧開發專案，包含人臉偵測、關鍵字的字詞偵測、姿態識別、異常偵測等。

✔了解Edge computing相關技術

讓同學習得AI模型如何部署於微控制器，包含開發環境建立、模型訓練、模型最佳化等等。

✔實作了解Tensorflow Lite框架

了解TensorFlow Lite for MCU軟體程式架構與開發流程，唯有從實作，讓你身歷其中，才能有最好的學習效果。

✔實戰微控制器AI開發專案應用

進行微控制器上面的人工智慧開發專案，包含人臉偵測、關鍵字的字詞偵測、姿態識別、異常偵測等。

人臉偵測

字詞偵測

姿態識別

異常偵測

立即諮詢

• ✔了解 Edge AI 在硬體資源上的限制與挑戰。
• ✔了解 Tensorflow Lite for MCU 的軟體程式架構與開發流程。
• ✔了解最佳化 ML 模型的方法：量化、剪枝、壓縮原理。
• ✔能透過 SparkFun Edge 裝置學會開發 TinyML 的應用。
• ✔培養學員具備業界所需之 AI 軟硬整合能力。
• ✔傳承業師實務開發經驗，提高學習者嵌入式 AI 終端開發效率。

• Linux Ubuntu 18.04

  可參考本文章使用Google Compute Engine 快速建置Linux環境

• Windows 7/8/10

  使用Anaconda+ Tensorflow 2.x 參考安裝說明

※為了節省同學時間，請於上課前安裝相關軟體

 

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
▪ MCU 韌體設計 ▪ 機器學習 ▪ 深度學習 ▪ 嵌入式Linux系統 ▪ ARM Boot Loader
▪ 資料結構及演算法 ▪ PCB Layout ▪ Linux 驅動程式 ▪ Linux系統程式 ▪ 網路通訊協定

AI應用(軟韌體)工程師

機器學習工程師

演算法工程師