Yapay zekayı mikrodenetleyiciye sığdır
Sensör verisinden mikrodenetleyicide çalışan modele kadar veri toplama, öznitelik çıkarımı, int8 niceleme, TFLite Micro dağıtımı ve OTA güncellemeyi uygulamalı kuran TinyML eğitimi.
Sensör verisinden mikrodenetleyicide çalışan modele kadar tüm TinyML akışını kurma
Bu eğitim TinyML modellerini mikrodenetleyicilerde (MCU) çalıştırmak için uçtan uca bir boru hattı kurmayı öğretir. Sensör verisi toplama ve etiketleme, öznitelik çıkarımı, küçük sinir ağı modellerinin eğitimi, int8 niceleme (quantization) ve TensorFlow Lite Micro dönüşümünü uygulamalı ele alır. Edge Impulse ile veri ve model yönetimini, modeli C dizisine dönüştürüp Arduino/ESP32 benzeri karta gömmeyi, bellek (RAM/flash) ve gecikme kısıtlarını optimize etmeyi işleriz. Modelin versiyonlanması, OTA güncelleme, cihazda doğruluk izleme ve TinyMLOps yaşam döngüsünü kurarak gerçek bir anahtar kelime tanıma veya hareket sınıflandırma projesini tamamlarsınız.
3 Gün. Her gün dört modül; veri toplamadan karta dağıtıma uzanan uygulamalı TinyML laboratuvarı.
Orta Seviye — Mikrodenetleyiciler için uçtan uca TinyML boru hattı: veri toplama, model eğitimi, niceleme ve cihaz dağıtımı.
Gerçek bir ESP32/Arduino kartında sensör verisi toplayıp model eğitip gömerek uçtan uca uygulamalı öğrenme.
Sensör verisinden cihazda çalışan modele kadar tüm TinyML zincirini kendiniz kurarsınız.
int8 niceleme ile modeli kilobaytlara sığdırıp doğruluğu koruma dengesini öğrenirsiniz.
Model versiyonlama, OTA güncelleme ve cihazda doğruluk izlemeyle yaşam döngüsünü kavrarsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Python ile veri işleme ve temel NumPy kullanımı gereklidir.
Sinir ağı, eğitim/doğrulama ve doğruluk gibi temel ML kavramlarına aşinalık faydalıdır.
Arduino/ESP32 ile basit kod yükleme ve seri port kullanımı deneyimi önerilir.
ESP32 veya benzeri bir geliştirme kartı ve ivmeölçer/mikrofon sensörü erişimi faydalıdır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Sensörden pencereli, etiketli ve dengeli TinyML veri kümesi üretebilirsiniz.
FFT ve MFCC gibi özniteliklerle modeli küçültüp doğruluğu koruyabilirsiniz.
Kaynak kısıtlı küçük sinir ağları eğitip değerlendirebilirsiniz.
Post-training ve QAT ile modeli kilobaytlara sığdırabilirsiniz.
Modeli C dizisine çevirip tensor arena'yı doğru boyutlandırabilirsiniz.
Modeli ESP32/Arduino'ya gömüp gerçek zamanlı inference çalıştırabilirsiniz.
Gecikme, bellek ve güç arasında dengeli optimizasyon yapabilirsiniz.
OTA güncelleme ve drift izleme ile model yaşam döngüsü kurabilirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
SRE Foundation (SREF): SRE ilkeleri, SLI/SLO, hata bütçesi, toil, gözlemlenebilirlik, olay yönetimi ve postmortem konularında temel eğitim.
Detayları Gör →
SRE temelleri: SRE nedir, SLI/SLO/SLA, hata bütçesi, Prometheus ve Grafana ile izleme, alarm, olay yönetimi ve postmortem giriş eğitimi.
Detayları Gör →
SRE Foundation alarm ve olay müdahalesi: semptom tabanlı alarm, burn rate, Alertmanager, nöbet düzeni, incident commander ve runbook eğitimi.
Detayları Gör →
SRE otomasyon ve toil azaltma: toil envanteri, ROI, Python ve Bash betikleri, Ansible, self-healing ve ChatOps ile operasyon yükünü azaltma eğitimi.
Detayları Gör →
Blameless postmortem: suçlamasız kültür, olay zaman çizelgesi, 5 Neden, katkı faktörleri, aksiyon takibi ve postmortem toplantı yönetimi eğitimi.
Detayları Gör →