fbpx

  

♦ 歡迎使用振興三倍券

♦ 本課程另有數位版本,歡迎洽詢

政府補助梯次,即將在10/18(日)開課,請速洽詢!

課程介紹

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。

edge-cloud

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

課程特色

✔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

人臉偵測

字詞偵測

字詞偵測

姿態識別

姿態識別

異常偵測

異常偵測

學習目標

  • 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。

適合對象
  • 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

課程大綱
Edge AI 與MCU起手式
  • 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
Tensorflow Lite for MCU實作開發
  • 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)
專案實作影片

  • 偵測有無人臉(配合camera sensor)▼


安裝環境

上課前請先於電腦安裝以下環境

專案實作硬體教材

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。

開發板介紹
業界師資

 
teacher 2

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

職涯方向
AI應用工程師

AI應用(軟韌體)工程師

機器學習工程師

機器學習工程師

演算法工程師

演算法工程師

課程諮詢
 

延伸學習

Q&A
AI最終仍需商轉,不論是什麼樣的AI應用,都需要足夠演算力的雲端平台進行運算,而邊緣運算透過行動裝置及IoT裝置上收集和分析資料,減少了傳送到雲端運算來回的延遲時間與頻寬的消耗,即使系統處於離線狀態,邊緣運算也可以持續運作,而超低功耗邊緣側人工智慧更是全球半導體產業的發展焦點。
除了能了解TensorFlow Lite for MCU的軟體程式架構與開發流程,建立編譯開發環境,透過業界講師一步一步帶領進行專題實作,可學習到人臉偵測、字詞偵測、姿態識別、異常偵測軟硬體合應用,快速掌握邊緣運算與終端應用。

大部份的培訓單位都專注於AI演算法,卻少有單位教學員AI軟硬整合的技術。然而,AI軟硬整合的技術,才是AI商轉的關鍵。 艾鍗學院重視如何幫助學員培養實現AI商轉的目標的職能,因此課程規劃以AI軟硬整合為主題,並搭配艾鍗學院針對課程獨家研發硬體教具,來提高學員學習成效。唯有軟硬整合的課程規劃幫助學員的職能養成更能符合業界所需。因為AI最終要商轉,商轉靠硬體。也唯有具備豐富軟韌體培訓經驗的艾鍗學院才能帶給你最全面、專業的技術支持。

學員成功購買數位課程後,可郵寄或現場領取課程教材,並自行指定課程啟動日期,管理員會於啟動日前E-mail 數位平台帳號/密碼資訊,登入您的帳號,即可開始上課。

不論是實體課或數位課程,只要學員對於課程有不懂的地方,都可以發信到助教信箱(講義上會列) 提出問題,由講師或助教提供回覆。