این دوره، شما را با دنیای یادگیری ماشین تعبیهشده (Embedded Machine Learning) آشنا میکند. پیشرفتهای اخیر در سیستمهای تعبیهشده، امکان اجرای مدلهای پیچیده یادگیری ماشین را بر روی میکروکنترلرها فراهم کرده است. دستگاههای تعبیهشده در کاربردهای یادگیری ماشین، قادر به انجام وظایف متنوعی در صنایع مختلف هستند؛ مانند دستگاههای حسگری که ناهنجاریها و اختلافات آکوستیکی یا نوری را تشخیص میدهند و از این طریق، کنترل کیفیت در تولید یا پایش وضعیت سیستم را پشتیبانی میکنند. این دستگاهها علاوه بر دوربین برای مانیتورینگ پارامترهای بصری و میکروفون برای ضبط امواج صوتی، از حسگرهایی برای اندازهگیری ارتعاش، تماس، ولتاژ، جریان، سرعت، فشار و دما نیز استفاده میکنند.
با وجود محتوای آموزشی فراوان در مورد سیستمهای تعبیهشده و یادگیری ماشین به صورت جداگانه، محتوای آموزشی در مورد یادگیری ماشین تعبیهشده هنوز به اندازه کافی گسترده نیست. این دوره تلاش میکند با ارائه مبانی سیستمهای تعبیهشده، یادگیری ماشین و TinyML این خلا را پر کند. این دوره با یک پروژه تعاملی به پایان میرسد که در آن، فراگیران میتوانند پروژه اختصاصی یادگیری ماشین تعبیهشده خود را ایجاد کنند. این پروژه بر اساس تشخیص رویدادهای آکوستیک با استفاده از یک میکروکنترلر یا دستگاه تلفن همراه شما خواهد بود. در پایان این دوره، شما قادر خواهید بود دستهبندیها و صداهای خود را انتخاب کرده و یک مدل یادگیری ماشین را آموزش داده و خودتان آن را مستقر کنید. این روشی عالی برای معرفی خود به دنیای یادگیری ماشین تعبیهشده و کسب تجربه ارزشمند در این زمینه است.
دسترسی به کیت توسعه Silicon Labs EFR32xG24
یادگیری ماشین تعبیهشده، TinyML، سیستمهای تعبیهشده، اینترنت اشیا، Machine Learning، Embedded Systems، IoT، تشخیص صدا، پردازش سیگنال، میکروکنترلر، Silicon Labs EFR32xG24
Ashvin Roharia
مهندس نرم افزار در آزمایشگاه سیلیکون
نمایش نظرات