♦ 獨家TinyML邊緣運算實戰課程，歡迎填表諮詢

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。在實作上搭配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。課程安排的三個專案實作，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。<閱讀更多...>

關鍵字：邊緣運算、深度學習、 TensorFlow Lite、 TinyML、 sparkfun edge、Edge Computing 、人臉偵測、語音識別、姿態識別、Edge AI、MCU、微控制器

• 了解 Edge AI 的應用、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。
• 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。
• 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。

• 欲了解Edge AI如何在MCU實現之工程師或研究生。
• 欲了解如何在Edge AI上實現人臉偵測、語音識別、姿態識別 。
• 欲學習AI模型如何部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

• 課程總時數 : 14 小時
• 觀看天數： 30天
• 課程所附教材 :  上課講義、範例程式碼、Sparkfun Edge 板相關套件 (選配)

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: 本硬體教材上課中會借給同學使用，學員也可以另行加購。
• ※數位課程: 本硬體教材於購買時，連同講義寄出。