SensiML Дадаць прагнознае тэхнічнае абслугоўванне ў інструкцыі па прыладах разумнага будынка

Увядзенне гаспадара - 5 хвілін
Прадстаўце паняцці і мэту лабараторыі - 10 хвілін
Выкананне пакрокавай працэдуры стварэння мадэлі ў рэжыме рэальнага часу – 60 хвілін
- Праграмнае забеспячэнне для збору дадзеных, сумяшчальнае з SensiML, для Thunderboard Sense 2 (TBS2)
- Наладзьце і падключыце TBS2 да SensiML Data Capture Lab
- Захоп даных «дэманстрацыі слайдаў» з голай дошкай (карыстальнікі не будуць мець камплекты вентылятараў)
- Пазначыць дадзеныя і захаваць і sample project (мы не будзем выкарыстоўваць да канца курса)
- Выклік Analytics Studio (у гэты момант карыстальнікі будуць працаваць з папярэдне сабраным наборам дэманстрацыйных даных фанатаў TBS2)
- Прапрацуйце крокі для стварэння мадэлі мадэлі выяўлення стану вентылятара
- Стварыце пакет ведаў
- Дадаткова: перавесці мадэль у TBS2

Дэманстрацыйнае відэа прыкладанняў Smart Building – 5 хвілін
пытанні і адказы - 10 хвілін

SensiML Увядзенне

SensiML - гэта кампанія, якая займаецца B2B праграмнымі інструментамі для штучнага інтэлекту на мяжы IoT
- Дазваляе распрацоўшчыкам ствараць ультракампактныя мадэлі датчыкаў ML без экспертызы ў галіне навукі аб дадзеных
- Мадэлі памерам усяго 10 КБ!
- Былая каманда праграмных інструментаў Intel Curie/Quark MCU AI, пакінутая для стварэння SensiML у 2017 годзе
Silicon Labs і SensiML Solution
- Энергаэфектыўны ML у сямейства EFR32/EFM32 MCU
- Хуткае разумнае стварэнне прататыпаў прыкладанняў IoT з дапамогай Thunderboard Sense 2

SensiML мае стабільнасць і падтрымку ва ўсім свеце
- Набыта ў 2019 годзе QuickLogic Corp; наладзіць і запусціць як цалкам незалежную даччыную кампанію праграмнага забеспячэння (базіруецца ў Портлендзе, штат Арэгон)
- Сталыя партнёры (Avnet, Future Electronics, Mouser, Shinko Shoji)
- Офісы продажаў/падтрымкі ў Вялікабрытаніі, ЗША, Японіі, Тайвані, Кітаі

Магчымасці для TinyML у разумных будынках

Праблемы з распрацоўкай існуючых датчыкаў Smart IoT

Воблачна-арыентаваны штучны інтэлект

Высокая нагрузка на сеткавы трафік
Высокая затрымка
Менш адмоваўстойлівы
Невядомы рызыка бяспекі даных
Асцярогі прыватнасці

Глыбокае навучанне

Вялікія патрабаванні да даных для навучання
Вялікі аб'ём памяці
Высокая нагрузка на апрацоўку
Высокае энергаспажыванне
Дрэнны тэрмін службы батарэі канчатковай кропкі

Канчатковыя кропкі, закадаваныя ўручную

Павольна і працаёмка
Папярэдне невядомы памер кода
Недастатковая экспертыза ў галіне навукі аб дадзеных
Складаныя бібліятэкі кодаў AI/ML
Не маштабуецца/канкурэнтаздольны

TinyML = IoT Edge ML + AutoML

IoT Edge ML: Аўтаномныя канчатковыя кропкі
- Трывіяльная прапускная здольнасць сеткі і доўгі тэрмін службы батарэі бесправадной сеткі
- Няма воблачнай апрацоўкі або сеткавых залежнасцей
- Спагадлівасць у рэжыме рэальнага часу
AutoML: Аптымізацыя без вопыту штучнага інтэлекту
- Аўтаматычны аптымізатар выбірае лепшую мадэль для прадстаўленых даных
- Класічнае машыннае навучанне (ML) праз глыбокае навучанне
- SensiML TinyML дае мадэлі памерам усяго 10 КБ!

Кадаванне ўручную не патрабуецца
- Код мадэлі, аўтаматычна створаны з набораў даных для навучання ML
- Эканомія месяцаў намаганняў па распрацоўцы і вопыту ў галіне навукі аб дадзеных
- Распрацоўшчык можа змяніць любы аспект кода AutoML па жаданні

Рабочы працэс пабудовы мадэлі

Захоп дадзеных

Час: Ад гадзін да тыдняў* (у залежнасці ад складанасці збору даных прыкладання)
Майстэрства: Экспертыза дамена (па меры неабходнасці для збору і пазначэння цікавых падзей)

Заўвага: Мы будзем выкарыстоўваць некаторыя раней сабраныя даныя, каб паскорыць гэты крок для семінара

Мадэль зборкі

Час: Ад хвілін да гадзін (у залежнасці ад ступені кантролю мадэлі)

Майстэрства: Няма (Поўны AutoML)
- Асноўныя паняцці ML (пашыраная налада карыстацкага інтэрфейсу)
- Праграмаванне на Python (Поўны кантроль канвеера)

Тэставая прылада

Час: Ад хвілін да тыдняў (у залежнасці ад патрэб інтэграцыі кода праграмы)

Майстэрства: Няма (двайковае ўбудаванае праграмнае забеспячэнне з аўтаматычна створаным кодам абалонкі ўводу-вываду)
Праграмаванне ўбудавання (інтэграцыя бібліятэкі SensiML або зыходнага кода C з кодам карыстальніка)

Мэты семінара

Пазнаёмце з наборам інструментаў TinyML ад SensiML і працэсам пабудовы мадэлі на Silicon Labs Thunderboard Sense 2

Вопыт распрацоўкі алгарытму датчыка ML на аснове даных
Вывучыце працоўны працэс ад збору даных праз праверку і тэсціраванне на прыладзе для стварэння мадэляў IoT
Стварыце працуючую мадэль прагнознага тэхнічнага абслугоўвання HVAC ад пачатку да канца
Адкажыце на пытанні, якія могуць узнікнуць у працэсе стварэння мадэлі TinyML

Працуючае прыкладанне для прагнознага тэхнічнага абслугоўвання вентыляцыі і кандыцыянавання

Для мэт нашай практычнай часткі мы збіраемся стварыць разумную прыладу для маніторынгу вентылятараў
Вентылятары, якія паўсюдна выкарыстоўваюцца ў сістэмах вентыляцыі і вентыляцыі: паветранадзімалкі, актыўнае астуджэнне абсталявання, апрацоўшчыкі паветра, вентыляцыйныя каналы

Няспраўнасць або дэградацыя можа прывесці да страты эфектыўнасці, павелічэння спажывання энергіі, збояў у сістэме вентыляцыі і кандыцыянавання
Мы створым простую прыладу маніторынгу, якая можа выяўляць некалькі нармальных і ненармальных станаў вентылятара:
- Вентылятар выключаны / уключаны
- Няшчыльныя мацавання
- Перашкода агароджы вентылятара
- Часткова або цалкам перакрыты паток паветра
- Удар ляза
- Залішняя вібрацыя

Давайце пачнем працэс

Практыкум «У рэжыме рэальнага часу» пакрокавы працэс стварэння мадэлі – 60 хвілін

Праграмнае забеспячэнне для збору дадзеных, сумяшчальнае з SensiML, для Thunderboard Sense 2 (TBS2)
Наладзьце і падключыце TBS2 да SensiML Data Capture Lab
Захоп даных «дэманстрацыі слайдаў» з голай дошкай (карыстальнікі не будуць мець камплекты вентылятараў)
Пазначыць дадзеныя і захаваць і sample project (мы не будзем выкарыстоўваць да канца курса)
Выклік Analytics Studio (у гэты момант карыстальнікі будуць працаваць з папярэдне сабраным наборам дэманстрацыйных даных фанатаў TBS2)
Прапрацуйце крокі для стварэння мадэлі мадэлі выяўлення стану вентылятара
Стварыце пакет ведаў
Прашыць мадэль у TBS2

Дэманстрацыйнае відэа

Дакументы / Рэсурсы

SensiML Дадайце прагнознае тэхнічнае абслугоўванне ў прыладах разумных будынкаў [pdfІнструкцыі
Дадайце прагнознае тэхнічнае абслугоўванне ў прыладах разумных будынкаў, тэхнічнае абслугоўванне ў прыладах разумных будынкаў, прыладах разумных будынкаў, прыладах будынкаў

Спасылкі

Кіраўніцтва карыстальніка

SensiML Дадайце прагнознае тэхнічнае абслугоўванне ў прыладах разумных будынкаў

Парадак дня