Zunehmend vermögen selbst ressourcenarme Mikrocontroller ML-Inferenz durchzuführen, was zu einem Mehrwert von IoT-Produkten & -Lösungen führt. Wie funktioniert das und wie lässt sich dabei systematisch vorgehen?

Der Deep Dive leitet die Teilnehmer anhand von Präsentationen und praktischen Übungen von den Grundlagen von ML bis hin zu eingebetteten Systemen mit integrierter ML-Funktionalität. Als Mittel dienen die MLOps-Plattform Edge Impulse und eine darauf unterstützte eingebettete Hardware. Das Tutorium basiert auf Konzepten des Edutainments.

Zielpublikum: Architekt:innen, Entwickler:innen
Voraussetzungen: Erfahrung in Software-Entwicklung, C/C++ & Python-Grundlagen
Schwierigkeitsgrad: Anfänger

Extended Abstract:

Zunehmend vermögen selbst schmalbrüstige Mikrocontroller ML-Inferenz durchzuführen, was zu einem Mehrwert von Produkten und Lösungen führt. Während die Inferenz sogar auf Mikrocontrollern stattfinden kann, braucht es für das Training von neuronalen Netzen immer noch leistungsfähige Server.

Doch wie funktioniert das und wie lässt sich dabei systematisch vorgehen? Was sind die dafür notwendigen Schritte und Werkzeuge? Worauf ist zu achten?

Der Deep Dive leitet die Teilnehmer anhand von Präsentationen und praktischen, selbstständigen Übungen von den Grundlagen von ML bis hin zu eingebetteten Systemen mit integrierter ML-Funktionalität. Als Mittel der Wahl dienen die MLOps-Plattform Edge Impulse und eine darauf unterstützte eingebettete Hardware.

Zur Sprache kommen dabei auch Integrationsaspekte.

Das Tutorium basiert auf Konzepten des Edutainments.

Lernziele sind dabei:

• Vermitteln von Grundkenntnissen über ML
• Praktisches Verständnis der Möglichkeiten und Grenzen von ML auf eingebetteten Systemen
• Kennenlernen von MLOPs und Teilaspekten von Model Governance