พื้นฐานระบบฝังตัว Machine Learning และ TinyML

Machine learning ไม่ได้จำกัดอยู่แค่บนเซิร์ฟเวอร์ที่มีพลังประมวลผลสูงอีกต่อไป แต่กำลังเคลื่อนย้ายไปสู่ขอบเขตทางกายภาพของเราผ่านอุปกรณ์ที่ใช้พลังงานต่ำ หลักสูตรนี้จะแนะนำภาพรวมที่ครอบคลุมเกี่ยวกับ TinyML ซึ่งช่วยให้คุณสามารถนำความสามารถด้านปัญญาประดิษฐ์มาสู่ฮาร์ดแวร์ที่ทำงานด้วยแบตเตอรี่ได้นานหลายเดือนหรือหลายปี คุณจะได้เรียนรู้วิธีการเชื่อมช่องว่างระหว่าง data science และระบบฝังตัวเพื่อสร้างแอปพลิเคชันที่มีการตอบสนองรวดเร็ว เน้นความเป็นส่วนตัว และมีประสิทธิภาพ เมื่อจบหลักสูตรนี้ คุณจะเข้าใจวงจรชีวิตทั้งหมดของโปรเจกต์ embedded machine learning ตั้งแต่การเก็บรวบรวมข้อมูลไปจนถึงการประมวลผลบนอุปกรณ์ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจหลักการพื้นฐานของ TinyML และสถาปัตยกรรม edge computing - เรียนรู้วิธีการรวบรวมและเตรียมความพร้อมข้อมูลจากเซนเซอร์สำหรับสภาพแวดล้อมระบบฝังตัวโดยเฉพาะ - ฝึกฝนการฝึกอบรม neural networks ที่ได้รับการปรับให้เหมาะสมสำหรับไมโครคอนโทรลเลอร์ที่มีทรัพยากรจำกัด - ประยุกต์ใช้เทคนิคการปรับแต่งโมเดล เช่น quantization และ pruning เพื่อลดการใช้หน่วยความจำ - สำรวจเฟรมเวิร์กสมัยใหม่ เช่น TensorFlow Lite for Microcontrollers สำหรับการปรับใช้บน edge - เข้าใจวิธีนำไปใช้งานจริง เช่น การตรวจจับคำสำคัญ (keyword spotting) และการจดจำท่าทาง (gesture recognition) หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและภาพรวมของฮาร์ดแวร์ระบบฝังตัว ก่อนที่จะแนะนำคุณผ่าน data pipelines การปรับแต่งโมเดล และกลยุทธ์การปรับใช้ โปรแกรมนี้ออกแบบมาสำหรับผู้เริ่มต้นที่สนใจด้านอิเล็กทรอนิกส์หรือซอฟต์แวร์ที่ต้องการสำรวจจุดตัดระหว่าง AI และฮาร์ดแวร์ โดยไม่ต้องมีประสบการณ์ด้าน machine learning มาก่อน เริ่มต้นการเดินทางของคุณสู่โลกของระบบฝังตัวอัจฉริยะได้แล้ววันนี้