Entrar em Contato

Programa do Curso

Introdução à Edge AI e ao TinyML

  • Visão geral da IA na borda
  • Vantagens e desafios da execução de IA em dispositivos
  • Casos de uso em robótica e automação

Fundamentos do TinyML

  • Aprendizado de máquina para sistemas com recursos limitados
  • Quantização, poda e compressão de modelos
  • Frameworks e plataformas de hardware suportados

Desenvolvimento e Conversão de Modelos

  • Treinamento de modelos leves usando TensorFlow ou PyTorch
  • Conversão de modelos para TensorFlow Lite e PyTorch Mobile
  • Testes e validação da precisão dos modelos

Implementação de Inferência no Dispositivo

  • Implantação de modelos de IA em placas embarcadas (Arduino, Raspberry Pi, Jetson Nano)
  • Integração da inferência com percepção e controle robóticos
  • Execução de previsões em tempo real e monitoramento de desempenho

Otimização para Desempenho na Borda

  • Redução da latência e do consumo de energia
  • Aceleração de hardware usando NPUs e GPUs
  • Testes de desempenho e profiling da inferência embarcada

Frameworks e Ferramentas de Edge AI

  • Trabalhando com TensorFlow Lite e Edge Impulse
  • Explorando opções de implantação do PyTorch Mobile
  • Depuração e ajuste de fluxos de trabalho de ML embarcado

Integração Prática e Estudos de Caso

  • Projeto de sistemas de percepção Edge AI para robôs
  • Integração do TinyML com arquiteturas de robótica baseadas em ROS
  • Estudos de caso: navegação autônoma, detecção de objetos e manutenção preditiva

Resumo e Próximos Passos

Requisitos

  • Compreensão de sistemas embarcados
  • Experiência com programação em Python ou C++
  • Conhecimento básico de conceitos de aprendizado de máquina

Público-Alvo

  • Desenvolvedores de sistemas embarcados
  • Engenheiros de robótica
  • Integradores de sistemas que trabalham com dispositivos inteligentes
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas