♦ 本課程另有數位版本，歡迎洽詢

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。

關鍵字：邊緣運算、機器學習、 TensorFlow Lite、 TinyML、 sparkfun edge、Edge Computing 、MCU、微控制器

• 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。
• 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。

• 欲了解Edge AI如何在MCU實現之電資相關科系研究生。
• 欲了解Edge AI如何在MCU實現之工程師。
• 欲學習AI模型如何佈署在嵌入式裝置上之技術的工程師。
• 欲學習Tensorflow Lite程式架構之工程師。
• 需領導、管理AI邊緣運算相關開發專案，並與團隊加強溝通者。
• ※本課程另有數位版本可選擇

• Introduction to Edge Computing

• MCU世界的邊緣運算-Edge AI(TinyML)的開發流程

• SparkFun Edge Board硬體介紹

• SparkFun Edge SDK架構說明

• 建立編譯開發環境

• 動手作

  • -建置第一個hello word專案
  • -LED 跑馬燈、按鍵讀取
  • -程式燒錄流程

• AI於微控制器的開發流程說明

• 優化: 模型量化、運算子優化

• TF Lite FlatBuffer 格式

• Tensorflow Lite for MCU程式框架說明

• 專案實作

  • -yes/no語音字詞偵測(配合麥克風)
  • -偵測有無人臉(配合camera sensor)
  • -揮動姿態識別(配合3軸加速器)

• yes/no語音字詞偵測(配合麥克風)▼ 資料來源

• 偵測有無人臉(配合camera sensor)▼

• 揮動姿態識別(配合3軸加速器)▼ 資料來源

上課前請先於電腦安裝以下環境

• Linux Ubuntu 18.04:

  可參考本文章Virtual Box建置Linux主機

• Windows 7/8/10

  可參考本文章 Anaconda 安裝說明

專題實作將使用以下教材進行實作

• Sparkfun Edge board x1
• Sparkfun USB-to-Serial Adapter x1 (CH340E chip)
• microUSB Wire x1
• Himax CMOS Imaging Camera - HM01B0 x1

• ※實體課程將準備硬體教材，供學員課堂實作借用。
• ※數位課程包含硬體教材專屬開發套件包。
• ※硬體教材學員若有需要可另行加購。