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 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
Testimoni (1)
Kita dapat membahas topik lanjutan dan bekerja dengan contoh dalam kehidupan nyata
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kursus - Advanced Edge AI Techniques
Diterjemahkan Mesin