TinyML mit TensorFlow und Python für Microcontroller
TinyML mit TensorFlow und Python für Microcontroller
.MP4, AVC, 1280x720, 30 fps | Deutsch, AAC, 2 Ch | 40 Min. | 102 MB
Trainer: Lars Gregori
.MP4, AVC, 1280x720, 30 fps | Deutsch, AAC, 2 Ch | 40 Min. | 102 MB
Trainer: Lars Gregori
TinyML beschreibt ein schnell wachsendes Feld von Technologien und Anwendungen des maschinellen Lernens, und umfasst Hardware, Algorithmen und Software, die in der Lage sind, Sensordaten auf Geräten bei niedrigem Stromverbrauch zu analysieren.
Lassen Sie sich in diesem LinkedIn Learning-Kurs von Lars Gregori zeigen, wie man ein Machine Learning-Modell auf einem kleinen Mikrocontroller mit nur 264 Kilobyte Speicher zum Laufen bringt, es trainiert und in eine Anwendung integriert. So kann z.B. ein Wake-Word ein Gerät aufwecken, ohne Daten ins Internet zu schicken. Oder der Mikrocontroller erkennt handgeschriebene Zahlen. Um die Beispiele selbst auszuprobieren, braucht man nur einen Raspberry Pi Pico, ein paar Kabel und ein Mikrofon.
TinyML mit TensorFlow und Python für Microcontroller
