Embedded Machine Learning

Komplexe Aufgabenstellung datenbasiert lösen statt konventional zu codieren

Praktisch jede IoT-Anwendung benötigt in Zukunft auch Datenanalysefunktionen. Einfache Anforderungsprofile mit wenigen Sensordaten lassen sich in der Regel als Embedded-Softwarelösung konventionell in C/C++ kodieren. Mit komplexen Sensordaten, wie z. B. mehrdimensionalen Beschleunigungs-, Audio- und Bilddaten aus Kamerasensoren funktioniert dieser Lösungsweg nicht mehr. Hier bietet sich das maschinelle Lernen (ML) aus dem Bereich der künstlichen Intelligenz als Alternative an. ML-Algorithmen und Modelle lassen sich sowohl als Service in der Cloud nutzen als auch auf Embedded Systemen implementieren. Das Seminar liefert eine Einführung und zeigt auf, wie sich Sensordaten auf einem typischen Embedded System mittlerer Leistungsklasse mit ML-Algorithmen in Echtzeit analysieren lassen.

Zum Seminar gehört ein Embedded-Machine-Learning-Starterkit im Wert von 99,00 €. Weitere Details finden Sie im zugehörigen PDF-Dokument.

Agenda

• ML-Einführung (Datenstrukturen, Supervised/Unsupervised ML)
• Überblick zu geeigneten ML-Algorithmen (von KNN bis zum neuronalen Netzwerk)
• Werkzeuge und Vorgehensweisen in Embedded-ML-Projekten
• Hands-on-Beispiel: ML mit Sensordaten auf einem Embedded System selbst ausprobieren

Ziele

In dem Seminar lernen Sie die Übersicht zu IoT-Strukturen und IoT-Datenanalysen kennen. Sie bekommen eine Einführung in Machine-Learning-Algorithmen, Datenstrukturen, Trainingsdaten, Testdaten, Modellbildung, Modellgenauigkeit und den Modelleinsatz in einer Inferenzmaschine für Embedded Systeme. Sie kennen anschließend CRISP-DM, Machine-Learning-Werkzeuge und den Weg zum Ziel in Projekten.

Zielgruppe

Das Seminar richtet sich an Entwickler, Programmierer und Ingenieure.