TinyML (Tiny Machine Learning) stellt einen bedeutenden Fortschritt in der Welt der künstlichen Intelligenz dar, indem es Machine Learning auf kleinsten Mikrocontrollern ermöglicht. Diese Technologie hat signifikante Auswirkungen auf alle Industriezweige und eröffnet vielfältige Anwendungsmöglichkeiten – von der Überwachung in der Landwirtschaft bis zur Personendetektion. Mit TinyML erfolgt die Datenanalyse direkt auf dem Gerät, was den Bedarf an umfangreichen Datentransfers eliminiert und somit die Privatsphäre der Daten wahrt.

Diese Schulung ist sowohl für Fachkräfte mit Erfahrung in der Datenanalyse und grundlegendem Verständnis der Mikroelektronik als auch für erfahrene Hardware-Entwickler geeignet, die sich mit Machine Learning und dessen Einsatz in kleinen Geräten vertraut machen möchten. In der Schulung lernen Sie Methoden und Tools zur Entwicklung und Implementierung von Machine Learning-Anwendungen auf Mikrocontrollern (»Tiny Machine Learning (TinyML)«) kennen. Nach Abschluss der Schulung sind Sie in der Lage, die Herausforderungen und Lösungsansätze für die Implementierung von ML-Anwendungen auf Mikrocontrollern in Ihrem Unternehmen zu erkennen, passende Strategien zu entwickeln und haben konkrete Umsetzungsbeispiele kennengelernt. Sie erlangen Kenntnisse über die wichtigsten technischen Aspekte von TinyML, einschließlich der Entwicklung von ML-Modellen, der Implementierung auf Mikrocontrollern und der Optimierung für Betrieb und Leistung. Sie profitieren von unserem tiefgreifenden Verständnis der Datenwissenschaft und der langjährigen Projekterfahrung in internen und Kundenprojekten. Dieser Kurs ist eine ideale Vertiefung in das Themenfeld TinyML, da Sie Konzepte, Methoden und Werkzeuge nicht nur theoretisch kennenlernen, sondern auch in ersten Ansätzen praktisch erfahren.

Zielgruppe

Projektleiter*innen, Data Scientists und Hardwareentwickler/-architekt*innen, die sich intensiver mit den Herausforderungen der Implementierung von ML-Anwendungen auf Mikrocontrollern auseinandersetzen wollen.

Vorkenntnisse

Grundkenntnisse in Data Science und Hardware-Entwicklung sind erforderlich; erste Erfahrungen mit Mikrocontrollern und Embedded Systemen sind von Vorteil.