TinyML için IoT Uygulamaları Eğitimi

TinyML, optimize edilmiş makine öğrenimi modellerini kaynak kısıtlı kenar cihazlara dağıtmaya yönelik bir uygulamadır.

Bu eğitmen-led, canlı eğitim (çevrimiçi veya yerinde) ileri düzey teknik profesyonellerin tam TinyML pipeline'larını tasarlama, optimize etme ve dağıtımını öğrenmek için yöneliktir.

Bu eğitim sonunda katılımcılar şunları öğrenecektir:

• TinyML uygulamaları için veri setlerini toplama, hazırlama ve yönetme.
• Düşük güç tüketimi microcontroller'lar için modellerin eğitilmesi ve optimize edilmesi.
• Modelleri kenar cihazlar için uygun hafif formatlara dönüştürme.
• TinyML uygulamalarının gerçek donanım ortamlarında dağıtılması, test edilmesi ve izlenmesi.

Eğitim Biçimi

• Eğitmen rehberli dersler ve teknik tartışmalar.
• Pratik laboratuvarlar ve yinelemeli deneyler.
• Microcontroller tabanlı platformlarda elden geçirme dağıtımının yapılması.

Eğitim Özelleştirme Seçenekleri

• Belirli araç zincirlerini, donanım plakalarını veya iç iş akışlarını içeren eğitim özelleştirmek için lütfen bize ulaşın.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerel) orta seviye IT profesyonelleri ve iş yöneticileri için düzenlenmiştir. IoT (Internet of Things) ve edge computing'in çeşitli endüstrilerde verimlilik, gerçek-zamanlı işlem ve yeniliğin sağlanması potansiyelini anlamak isteyenler hedef kitlesidir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• IoT ve edge computing ilkelerini ve dijital dönüşümdeki rolünü anlama.
• İmalat, lojistik ve enerji sektörlerinde IoT ve edge computing kullanım örneklerini belirleme.
• Edge ve bulut bilgi işlemi mimarileriyle dağıtım senaryolarını ayırt etme.
• Tahmine dayalı bakım ve gerçek-zamanlı karar verme için edge computing çözümleri uygulama.

Bu eğitmen öncül, canlı eğitim (online veya face-to-face) ortamında, IoT uygulamalarını zeki veri işleme ve analiz yetenekleriyle geliştirmek isteyen orta düzeyli geliştiriciler, sistem mimarları ve sektör profesyonellerine yönelik olup, Edge AI'nin temel ilkelerini ve IoT'taki kullanım alanlarını anlamayı amaçlamaktadır.

Eğitim sonunda katılımcılar şunları yapabilecekler:

• Edge AI'nin temellerini ve bu teknolojinin IoT'teki kullanımını anlayacaklar.
• IoT cihazları için Edge AI ortamlarını kurup yapılandırabilecekler.
• IoT uygulamaları için kenar cihazlarda AI modelleri geliştirebilecek ve dağıtabilecekler.
• IoT sistemlerinde gerçek zamanlı veri işleme ve karar alma uygulayabilecekler.
• Edge AI'yi çeşitli IoT protokolleri ve platformlarıyla entegre edebilecekler.
• IoT'ta Edge AI için etik düşünceleri ve en iyi uygulamaları ele alabilecekler.

Bu eğitmen liderliğindeki, canlı eğitim Türkiye(çevrimiçi veya yerinde) ürün yöneticileri ve geliştiriciler için tasarlanmıştır. Amaçları, daha hızlı performans için kaynak ağdaki akıllı cihazları kullanarak veri yönetimini merkeziyetsizleştirmek için Edge Computing'i kullanmaktır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Edge Computing'in temel kavramlarını ve avantajlarını anlayabilecektir.
• Edge Computing'in uygulanabileceği kullanım durumlarını ve örnekleri belirleyebilecektir.
• Daha hızlı veri işleme ve azaltılmış operasyonel maliyetler için Edge Computing çözümleri tasarlayabilecek ve oluşturabilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), IoT ve uç bilişim çözümlerini optimize etmek için Federated Learning'yı uygulamak isteyen orta düzey profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• IoT ve uç bilişimde Federated Learning'nın prensiplerini ve faydalarını anlayabilecektir.
• Dağıtık yapay zeka işleme için IoT cihazlarına Federated Learning modellerini uygulayabilecektir.
• Uç bilişim ortamlarında gecikmeyi azaltıp gerçek zamanlı karar almayı iyileştirebilecektir.
• IoT sistemlerinde veri gizliliği ve ağ kısıtlamaları ile ilgili zorlukların üstesinden gelebilecektir.

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.

Bu eğitmen liderliğindeki canlı eğitimde Türkiye, katılımcılar NB-IoT’ün (aynı zamanda LTE Cat NB1 olarak da bilinir) çeşitli yönlerini, bir örnek NB-IoT tabanlı uygulama geliştirip dağıtırken öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• NB-IoT’ün farklı bileşenlerini ve bir ekosistem oluşturmak için nasıl bir araya geldiklerini tanımlayabileceklerdir.
• NB-IoT cihazlarına yerleşik güvenlik özelliklerini anlayıp açıklayabileceklerdir.
• NB-IoT cihazlarını izlemek için basit bir uygulama geliştirebileceklerdir.

TinyML, kaynak kısıtlı donanımlara makine öğrenme modellerini dağıtma uygulamasıdır.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerinde) düşük gecikmeli ve bellek verimli şekilde gömülmüş cihazlara TinyML modellerini dağıtmayı planlayan üst düzey uzmanlar için tasarlanmıştır.

Bu eğitimden sonra katılımcılar şunları yapabilecektir:

• Model boyutunu doğruluk kaybına neden olmadan azaltmak için küntleştirme, budama ve sıkıştırma tekniklerini uygulayın.
• TinyML modellerinin gecikmesi, bellek tüketimi ve enerji verimliliği açısından performans ölçümünü yapın.
• Mikrodenetleyicilerde ve kenar cihazlarında optimize çıkarım hattı uygulayın.
• Performans, doğruluk ve donanım kısıtlamaları arasındaki dengeyi değerlendirin.

Eğitim Formatı

• Teknik gösterimlerle desteklenen eğitmen tarafından yönetilen sunumlar.
• Pratik optimizasyon alıştırmaları ve karşılaştırmalı performans testleri.
• Kontrollü laboratuvar ortamında TinyML hattlarının el ile uygulanması.

Eğitim Özelleştirme Seçenekleri

• Belirli donanım platformlarına veya iç iş akışlarına hizalı özelleştirilmiş eğitim için lütfen bizimle iletişime geçin.

TinyML, düşük güç tüketimi ve kaynak sınırlı cihazlarda makine öğrenme modellerinin dağıtımını amaçlayan bir yaklaşımdır.

Bu eğitmen tarafından yönetilen canlı eğitim (online veya yerinde) yüksek düzeyde profesyoneller hedeflenmekte olup, TinyML hatlarını güvence altına almayı ve kenar AI uygulamalarında gizlilik koruyan teknikleri uygulamayı öğrenmek için tasarlanmıştır.

Bu kursun sonunda katılımcılar şunları yapabilecektir:

• Cihaz üzerinde TinyML çıkarımı için benzersiz güvenlik risklerini belirleyebilir.
• Kenar AI dağıtımları için gizlilik koruyan mekanizmalar uygulayabilir.
• TinyML modellerini ve gömülü sistemleri düşmanca tehditler karşılarında güçlendirebilir.
• Sınırlı ortamlarda güvenli veri yönetimi için en iyi uygulamaları uygulayabilir.

Eğitim Biçimi

• Uzman yönlü tartışmalarla desteklenen etkileşimli konferanslar.
• Gerçek dünya tehdit senaryolarını vurgulayan pratik alıştırmalar.
• Gömülü güvenlik ve TinyML araçları kullanarak uygulamalı etkinlikler.

Eğitim Özelleştirme Seçenekleri

• Kuruluşlar, eğitimini belirli güvenlik ve uyumluluk ihtiyaçlarına uygun hale getirmeyi talep edebilir.

ThingsBoard, açık kaynaklı bir IoT platformudur ve IoT çözümleriniz için cihaz yönetimi, veri toplama, işleme ve görselleştirme imkanı sunar.

Bu eğitmen eşliğindeki canlı eğitimde, katılımcılar ThingsBoard'i kendi IoT çözümlerine nasıl entegre edeceklerini öğreneceklerdir.

Eğitim sonunda katılımcılar şunları yapabilecek hale gelecektir:

• ThingsBoard'i kurma ve yapılandırma
• ThingsBoard'in temel özelliklerini ve mimarisini anlama
• ThingsBoard ile IoT uygulamaları geliştirme
• Telemetri cihaz verilerinin yönlendirilmesi için ThingsBoard'i Kafka ile entegre etme
• Birden fazla cihazdan veri toplamak için ThingsBoard'i Apache Spark ile entegre etme

Hedef Kitle

• Yazılım mühendisleri
• Donanım mühendisleri
• Geliştiriciler

Eğitim Formatı

• Kısmen ders, kısmen tartışma, alıştırmalar ve yoğun uygulamalı çalışma

Not

• Bu kurs için özelleştirilmiş bir eğitim talep etmek isterseniz, lütfen bize ulaşarak düzenleme yapın.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerel olarak) temel seviye mühendisler ve veri bilimciler için tasarlanmıştır. Bu grup, TinyML temellerini anlamayı, uygulamalarını keşfetmeyi ve AI modellerini mikrodenetçilere dağıtmayı isteyen kişilere yöneliktedir.

Bu eğitim sonunda, katılımcılar şunları yapabilecektir:

• TinyML temellerini ve önemini anlamak.
• Akıllı cihazlara ve kenar cihazlarına hafif AI modelleri dağıtmak.
• Düşük güç tüketimi için makine öğrenme modelerini optimize etmek ve ayarlamak.
• El hareket tanımaya, anomali algılama ve ses işleme gibi gerçek dünya uygulamaları için TinyML kullanmak.

TinyML, düşük güçli mikrodenetleyicilere ve robotik ve otonom sistemlerde kullanılan gömülü platformlara makine öğrenme modelleri dağıtma çerçevesidir.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya yerinde) ileri düzey profesyonellerin TinyML tabanlı algılama ve karar alma yeteneklerini otonom robotlar, drone'lar ve akıllı kontrol sistemlerine entegre etmek isteyenlere yöneliktir.

Bu kursu tamamladıktan sonra katılımcılar şunları yapabilecek:

• Robotik uygulamalar için optimize TinyML modelleri tasarlayacaklardır.
• Gerçek zamanlı otonomiyi sağlamak için cihazda algılama işlem hatları uygulayabileceklerdir.
• TinyML'i mevcut robotik kontrol çerçevelerine entegre edebileceklerdir.
• Gömülü donanım platformlarına hafif ağırlıklı AI modelleri dağıtma ve test edebileceklerdir.

Kurs Formatı

• Teknik konularla birleştirilmiş etkileşimli tartışmalar.
• Gömülü robotik görevler odaklı elden deneme laboratuvarları.
• Gerçek dünya otonom iş akışlarını simüle eden pratik alıştırmalar.

Kurs Özelleştirme Seçenekleri

• Organizasyon-özel robotik ortamları için, talepte bulunulduğunda özelleştirme yapılabilir.

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.

TinyML, düşük güç tüketimi ve kaynak sınırlı giyilebilir ve tıbbi cihazlara makine öğrenmesinin entegrasyonudur.

Bu eğitmen öncülünde, canlı eğitim (çevrimiçi veya yerinde) orta seviye uzmanlar için sağlık izleme ve teşhis uygulamalarında TinyML çözümleri uygulanmasını hedefler.

Bu eğitimi tamamladıktan sonra, katılımciler şunları yapabilecekler:

• Gerçek zamanlı sağlık verisi işleme için TinyML modelleri tasarlama ve dağıtım.
• Yıkanabilir sensör verilerini toplama, ön işlemeyi ve AI destekli içgörüler için yorumlama.
• Düşük güç tüketimi ve hafıza sınırlı giyilebilir cihazlar için modellerin iyileştirilmesi.
• TinyML destekli çıktıların klinik önemi, güvenilirliği ve güvenliğinin değerlendirilmesi.

Kurs Formatı

• Canlı gösterimlerle desteklenen dersler ve etkileşimli tartışmalar.
• Giyilebilir cihaz verisi ve TinyML çerçeveleriyle elden geçirme uygulamaları.
• Guided laboratuvar ortamında uygulama alıştırmaları.

Kurs Özelleştirme Seçenekleri

• Belirli sağlık cihazları veya düzenleyici akışlarla hizalanan özelleştirilmiş eğitim için, programı özelleştirmemizi isteyin.

TinyML, küçük, kaynak kısıtlı cihazlar için optimize edilmiş bir makine öğrenimi yaklaşımıdır.

Bu eğitmen liderli canlı eğitim (çevrimiçi veya kurum içi), Raspberry Pi, Arduino ve benzer mikrodenetleyiciler kullanarak TinyML uygulamaları oluşturmak isteyen başlangıç seviyesindeki ve orta seviye öğrenenler için tasarlanmıştır.

Bu eğitimde, katılımcılar şunları yapma becerilerini kazanacaktır:

• TinyML projeleri için veri toplama ve hazırlama.
• Mikrodenetleyici ortamları için küçük makine öğrenimi modellerini eğitme ve optimize etme.
• TinyML modellerini Raspberry Pi, Arduino ve ilgili plakalara dağıtım.
• Bitirilmiş gömülmüş AI prototipleri geliştirme.

Eğitimin Formatı

• Eğitmen liderli sunumlar ve rehberli tartışmalar.
• Pratik alıştırmalar ve elden deneyim.
• Gerçek donanımda canlı-lab proje çalışmaları.

Eğitim Özelleştirme Seçenekleri

• Belirli donanımlarınız veya kullanım senaryolarınıza uyumlu özel eğitim için, lütfen bize ulaşın.