Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengantar AI Tepi dan TinyML
- Gambaran umum tentang penerapan kecerdasan buatan di tepi perangkat
- Keuntungan serta tantangan penggunaan AI pada perangkat keras
- Contoh penerapannya dalam dunia robotika dan otomasi
Fondasi TinyML
- Pembelajaran mesin untuk sistem dengan sumber daya terbatas
- Teknik kuantisasi, pruning, serta kompresi model
- Kerangka kerja dan platform perangkat keras yang didukung
Pengembangan dan Konversi Model
- Membuat model ringan menggunakan TensorFlow atau PyTorch
- Mengonversi model menjadi format TensorFlow Lite maupun PyTorch Mobile
- Menguji serta memverifikasi tingkat akurasi model yang dihasilkan
Penerapan Inferensi di Perangkat Secara Langsung
- Menyalurkan model AI ke papan elektronik tertanam seperti Arduino, Raspberry Pi, dan Jetson Nano
- Mengintegrasikan proses inferensi dengan sistem persepsi serta kontrol robot.
- Melakukan prediksi secara real-time dan memantau kinerjanya.
Optimisasi Kinerja pada Perangkat Tepi
- Cara mengurangi latensi serta konsumsi energi sistem
- Pemanfaatan akselerator perangkat keras seperti NPU dan GPU
- Metode pengukuran kinerja dan profilisasi untuk inferensi di perangkat tertanam
Kerangka Kerja dan Alat Bantu AI Tepi
- Penggunaan TensorFlow Lite serta Edge Impulse dalam praktiknya.
- Opsi penyaluran model menggunakan PyTorch Mobile.
- Teknik debug dan penyetelan alur kerja pembelajaran mesin di perangkat tertanam
Integrasi Praktis dan Studi Kasus
- Mendesain sistem persepsi berbasis AI Tepi untuk robot.
- Cara mengintegrasikan TinyML ke dalam arsitektur robotik yang menggunakan ROS.
- Contoh nyata: navigasi otonom, deteksi objek, serta perawatan prediktif.
Penutup dan Langkah Selanjutnya
Persyaratan
- Pemahaman mengenai sistem tertanam
- Pengalaman dalam pemrograman Python atau C++
- Familiaritas dengan konsep dasar pembelajaran mesin
Target Peserta
- Pengembang perangkat tertanam
- Insinyur robotika
- Integrator sistem yang menangani pengembangan perangkat pintar
21 Jam
Testimoni (2)
Penyediaan materi (mesin virtual) untuk langsung memulai latihan, serta penjelasan inti Ros2. Mengapa hal-hal bekerja dengan cara tertentu.
Arjan Bakema
Kursus - Autonomous Navigation & SLAM with ROS 2
Diterjemahkan Mesin
pengetahuan dan pemanfaatan AI untuk Robotika di Masa Depan.
Ryle - PHILIPPINE MILITARY ACADEMY
Kursus - Artificial Intelligence (AI) for Robotics
Diterjemahkan Mesin