Eğitim İçeriği

TinyML Giriş

  • TinyML nedir?
  • Mikrodenetleyicilerde makine öğrenmesinin önemi
  • Geleneksel yapay zeka ile TinyML karşılaştırması
  • Donanım ve yazılım gereksinimleri genel bakışı

TinyML Ortamını Kurma

  • Arduino IDE'nin kurulumu ve geliştirme ortamının ayarlama
  • TensorFlow Lite ve Edge Impulse'e Giriş
  • Mikrodenetleyicileri TinyML uygulamaları için Flash'a yükleme ve yapılandırma

TinyML Modellerini Oluşturma ve Yayına Alma

  • TinyML iş akışını anlama
  • Mikrodenetleyiciler için basit bir makine öğrenme modeli eğitimi
  • AI modellerini TensorFlow Lite formatına dönüştürme
  • Modelleri donanım cihazlarına yayına alma

Kenar Cihazlar için TinyML'yi Optimizasyonu

  • Bellek ve hesaplama izini azaltma
  • Kuantifikasyon ve model sıkıştırma teknikleri
  • TinyML model performansını kıyaslama

TinyML Uygulamaları ve Use Caseler

  • Akcelerometre verilerini kullanarak hareket algılama
  • Ses sınıflandırma ve anahtar kelime algılama
  • Tahmini bakım için anomali algılama

TinyML Zorlukları ve Gelecek Trendleri

  • Donanım sınırlamaları ve optimizasyon stratejileri
  • TinyML'de güvenlik ve gizlilik endişeleri
  • TinyMLdeki gelecekteki ilerlemeler ve araştırmalar

Özet ve Gelecek Adımlar

Kurs İçin Gerekli Önbilgiler

  • Temel programlama bilgisi (Python veya C/C++)
  • Makine öğrenimi kavramlarıyla tanışık olmak (tavsiye edilir ancak zorunlu değil)
  • Embeded sistemleri anlama (isteğe bağlı ancak yardımcı olabilir)

Hedef Kitle

  • Mühendisler
  • Veri bilimciler
  • AI tutkunları
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Açık Eğitim Kursları 5 ve üzeri katılımcı gerektirir.

Yaklaşan Etkinlikler

TinyML Giriş

2025-11-03 09:30
14 Saat
Antalya
29025 TRY (Çevrimiçi)
29425 TRY (Fiziki Sınıf)

TinyML Giriş

2025-11-17 09:30
14 Saat
Istanbul, Taksim
29025 TRY (Çevrimiçi)
29425 TRY (Fiziki Sınıf)

TinyML Giriş

2025-12-01 09:30
14 Saat
Ankara
29025 TRY (Çevrimiçi)
29425 TRY (Fiziki Sınıf)

TinyML Giriş

2025-12-15 09:30
14 Saat
Antalya
29025 TRY (Çevrimiçi)
29425 TRY (Fiziki Sınıf)

İlgili Kurslar

Microcontrollerlarda TinyML ile AI Uygulama

 21 Saat

Bu eğitmen öncülüğündeki canlı eğitim (çevrimiçi veya yerel), mikrodenetleyicilerde TensorFlow Lite ve Edge Impulse kullanarak makine öğrenme modellerini dağıtmak isteyen orta düzeyde gömülü sistem mühendisleri ve AI geliştiricilere yönelik olmuludur.

Bu eğitim sonunda, katılımcılar aşağıdaki becerileri kazanabilecekler:

  • TinyML'nin temellerini ve kenar AI uygulamaları için avantajlarını anlamak.
  • TinyML projeleri için bir geliştirme ortamı ayarlama.
  • Düşük güç tüketimli mikrodenetleyicilerde AI modellerini eğitme, optimizasyonu ve dağıtma.
  • TensorFlow Lite ve Edge Impulse kullanarak gerçek dünyada TinyML uygulamaları uygulama.
  • Güç verimliliği ve bellek kısıtlamalarına yönelik AI modellerini optimizasyonu.
Daha Fazla...

TinyML: Üstün Düşük Güç Kenar Cihazlarda AI Çalıştırma

 21 Saat

Bu eğitmen öncülüğündeki, canlı eğitim Türkiye (çevrimiçi veya yerel) ortamda, enerji verimli donanımlarda AI destekli uygulamalar için TinyML tekniklerini uygulamak isteyen orta düzeyde gömülü mühendisleri, IoT geliştirmecilerini ve AI araştırmacılarını hedef almaktadır.

Bu eğitim sonunda, katılımcılar şunları başarabilecekler:

  • TinyML ve kenar AI'nin temellerini anlamak.
  • Hafif AI modellerini mikrodenetleyicilere dağıtmak.
  • Düşük güç tüketimi için AI çıkarımını optimize etmek.
  • TinyML'yi gerçek dünya IoT uygulamalarıyla entegre etmek.
Daha Fazla...

TinyML için IoT Uygulamaları

 21 Saat

Bu eğitmen eşliğindeki canlı eğitim, Türkiye (çevrimiçi veya yerinde), tahmine dayalı bakım, anomali tespiti ve akıllı sensör uygulamaları için TinyML'i uygulamak isteyen orta düzey IoT geliştiricileri, gömülü sistem mühendisleri ve AI uygulayıcılarına yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecekler:

  • TinyML'in temellerini ve IoT'deki uygulamalarını anlamak.
  • IoT projeleri için TinyML geliştirme ortamını kurmak.
  • Düşük güçlü mikrodenetleyicilerde ML modelleri geliştirmek ve dağıtmak.
  • TinyML kullanarak tahmine dayalı bakım ve anomali tespiti uygulamak.
  • TinyML modellerini verimli güç ve bellek kullanımı için optimize etmek.
Daha Fazla...

İlgili Kategoriler

TinyML
TinyML