Edge AI dan TinyML untuk Mikrokontroler

Di dunia yang terdiri dari banyak perangkat yang terhubung, mengirim semua data sensor ke awan sering kali lambat, mahal, dan membutuhkan banyak daya. Menggunakan model machine learning secara langsung pada perangkat keras kecil – yang dikenal sebagai Edge AI atau TinyML – memungkinkan pengambilan keputusan yang cepat, pribadi, dan efisien di tempat pengumpulan data. Kursus ini memandu Anda melalui seluruh siklus hidup machine learning tertanam, dari memahami keterbatasan perangkat keras hingga menerapkan model yang dioptimalkan. Anda akan belajar bagaimana mengadopsi aliran kerja machine learning standar untuk mikrokontroler, memastikan model Anda berjalan secara efisien dalam batas memori dan pemrosesan yang ketat. Apa yang akan kau pelajari: - Mengerti konsep inti dari Edge AI, TinyML, dan keterbatasan perangkat keras mikrokontroler - Proses dan mempersiapkan data sensor khusus untuk lingkungan sumber daya terbatas - Optimalisasi jaringan saraf menggunakan kuantisasi dan pruning untuk meminimalkan jejak memori - Deploy model machine learning ke mikrokontroler menggunakan runtime C/C++ ringan - Evaluasi kinerja model, latensi, dan konsumsi daya pada perangkat keras pinggir Dimulai dengan definisi dasar sistem tertanam dan machine learning, kursus berbasis teks ini membawa Anda langkah demi langkah melalui pipa data, konsep pelatihan model, strategi optimalisasi, dan skenario penerapan dunia nyata. Kursus ini dirancang untuk pemula, pengembang perangkat lunak, dan penggemar perangkat keras yang ingin menjelajahi persimpangan AI dan sistem tertanam, tidak memerlukan pengalaman sebelumnya dengan machine learning. Mulai membaca hari ini dan belajar bagaimana membangun aplikasi tertanam cerdas, daya rendah.