Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction au TinyML

  • Comprendre les contraintes et les capacités du TinyML
  • Présentation des plateformes de microcontrôleurs courantes
  • Comparaison entre Raspberry Pi, Arduino et autres cartes

Configuration et installation du matériel

  • Préparation de Raspberry Pi OS
  • Configuration des cartes Arduino
  • Connexion des capteurs et des périphériques

Techniques de collecte de données

  • Captation des données de capteurs
  • Gestion des données audio, de mouvement et environnementales
  • Création de jeux de données étiquetées

Développement de modèles pour appareils à la périphérie

  • Sélection d'architectures de modèles appropriées
  • Entraînement de modèles TinyML avec TensorFlow Lite
  • Évaluation des performances pour un usage embarqué

Optimisation et conversion des modèles

  • Stratégies de quantification
  • Conversion des modèles pour le déploiement sur microcontrôleurs
  • Optimisation de la mémoire et des calculs

Déploiement sur Raspberry Pi

  • Exécution de l'inférence TensorFlow Lite
  • Intégration de la sortie du modèle dans les applications
  • Dépannage des problèmes de performance

Déploiement sur Arduino

  • Utilisation de la bibliothèque Arduino TensorFlow Lite Micro
  • Flashage des modèles sur les microcontrôleurs
  • Vérification de l'exactitude et du comportement d'exécution

Création d'applications TinyML complètes

  • Conception de flux de travail d'IA embarquée cohérents
  • Implémentation de prototypes interactifs et concrets
  • Test et affinement du fonctionnement du projet

Synthèse et prochaines étapes

Pré requis

  • Compréhension des concepts fondamentaux de programmation
  • Expérience dans l'utilisation de microcontrôleurs
  • Maîtrise de Python ou de C/C++

Public cible

  • Électroniciens amateurs
  • Passionnés de création (hobbyists)
  • Développeurs d'IA embarquée

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires