Entrar em Contato
 Duração 21 horas

Programa do Curso

Introdução à Edge AI e TinyML

  • Visão geral da IA na borda (edge)
  • Vantagens e desafios de executar IA em dispositivos
  • Casos de uso em robótica e automação

Fundamentos do TinyML

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

Desenvolvimento e Conversão de Modelos

  • Treino de modelos leves usando TensorFlow ou PyTorch
  • Conversão de modelos para TensorFlow Lite e PyTorch Mobile
  • Teste 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 robótico
  • Execução de previsões em tempo real e monitoramento do desempenho

Otimização para Desempenho na Borda

  • Redução de latência e consumo de energia
  • Aceleração de hardware usando NPUs e GPUs
  • Benchmark e perfilamento de inferência embarcada

Frameworks e Ferramentas de Edge AI

  • Trabalho com TensorFlow Lite e Edge Impulse
  • Exploração de 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 com Edge AI para robôs
  • Integração do TinyML com arquiteturas robóticas baseadas em ROS
  • Estudos de caso: navegação autônoma, detecção de objetos, manutenção preditiva

Resumo e Próximos Passos

Requisitos

  • Conhecimento sobre sistemas embutidos
  • Experiência com programação em Python ou C++
  • Familiaridade com conceitos básicos de machine learning

Público-Alvo

  • Desenvolvedores de sistemas embutidos
  • Engenheiros de robótica
  • Integradores de sistemas que trabalham com dispositivos inteligentes

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas