Hubungi Kami

Kerangka Materi

Pengantar TensorFlow Lite

  • Gambaran umum mengenai TensorFlow Lite beserta arsitekturnya
  • Perbandingan antara TensorFlow, kerangka kerja AI Tepi lainnya serta TensorFlow Lite
  • Keuntungan dan tantangan penggunaan TensorFlow Lite dalam penerapan AI Tepi
  • Studi kasus terkait implementasi TensorFlow Lite pada proyek-proyek AI Tepi

Menyiapkan Lingkungan Kerja TensorFlow Lite

  • Proses instalasi TensorFlow Lite serta komponen pendukungnya
  • Konfigurasi lingkungan pengembangan yang tepat
  • Pengenalan alat dan perpustakaan dalam ekosistem TensorFlow Lite
  • Latihan praktis terkait persiapan lingkungan kerja

Pengembangan Model AI dengan TensorFlow Lite

  • Tahapan merancang serta melatih model AI agar siap digunakan di perangkat tepi
  • Proses mengubah model buatan dengan TensorFlow menjadi format TensorFlow Lite
  • Teknik-teknik optimisasi untuk meningkatkan performa serta efisiensi penggunaan sumber daya
  • Latihan praktis terkait pengembangan dan konversi model

Menerapkan Model TensorFlow Lite pada Perangkat Tepi

  • Cara memasang model pada berbagai perangkat tepi, mulai dari smartphone hingga mikrokontroler
  • Langkah-langkah melakukan inferensi secara langsung di perangkat tersebut
  • Penyelesaian masalah yang sering muncul saat tahap penerapan model
  • Latihan praktis untuk menerapkan model ke perangkat tepi secara langsung

Alat dan Teknik Optimisasi Model

  • Konsep kuantisasi serta dampaknya terhadap performa model
  • Metode pruning (penyederhanaan struktur) serta teknik kompresi lainnya
  • Cara memanfaatkan alat-alat optimisasi yang disediakan oleh TensorFlow Lite secara maksimal
  • Latihan praktis untuk mengoptimalkan model sesuai kebutuhan konkret

Membuat Aplikasi AI Tepi yang Nyata

  • Tahapan merancang aplikasi AI Tepi berbasis TensorFlow Lite untuk kondisi dunia nyata
  • Integrasi model TensorFlow Lite ke dalam sistem serta perangkat lunak lainnya
  • Studi kasus mengenai proyek-proyek AI Tepi yang berhasil diterapkan
  • Proyek praktis yang mewajibkan peserta membangun sebuah aplikasi AI Tepi secara mandiri

Rangkuman serta Arah Pengembangan Selanjutnya

Persyaratan

  • Pemahaman mengenai konsep-konsep AI dan pembelajaran mesin
  • Pengalaman dalam memanfaatkan TensorFlow
  • Keterampilan dasar programming (direkomendasikan menggunakan Python)

Target Peserta

  • Pengembang
  • Ilmuwan data
  • Praktisi AI
 14 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait