ಪರಿವಿಡಿ
ಮರೆಮಾಡಿ
ಸೆನ್ಸಿಎಂಎಲ್ ಸ್ಮಾರ್ಟ್ ಬಿಲ್ಡಿಂಗ್ ಸಾಧನಗಳಲ್ಲಿ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯನ್ನು ಸೇರಿಸಿ
ಕಾರ್ಯಸೂಚಿ
ಪೂರ್ವ-ಕೆಲಸ: ಬಳಕೆದಾರರು ಸಿಂಪ್ಲಿಸಿಟಿ ಸ್ಟುಡಿಯೋ ಮತ್ತು ಸೆನ್ಸಿಎಂಎಲ್ ಅನಾಲಿಟಿಕ್ಸ್ ಟೂಲ್‌ಕಿಟ್ ಅನ್ನು ಮುಂಚಿತವಾಗಿ ಸ್ಥಾಪಿಸಿರಬೇಕು
- ಹೋಸ್ಟ್ ಪರಿಚಯ - 5 ನಿಮಿಷಗಳ
- ಪ್ರಯೋಗಾಲಯಕ್ಕೆ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಗುರಿಯನ್ನು ಪರಿಚಯಿಸಿ - 10 ನಿಮಿಷಗಳ
- ಮಾದರಿ ರಚನೆಗಾಗಿ ಹಂತ-ಹಂತದ ಕಾರ್ಯವಿಧಾನದ "ನೈಜ-ಸಮಯ" ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆ - 60 ನಿಮಿಷಗಳ
- ಥಂಡರ್‌ಬೋರ್ಡ್ ಸೆನ್ಸ್ 2 (TBS2) ಗೆ ಫ್ಲ್ಯಾಶ್ ಸೆನ್ಸಿಎಂಎಲ್ ಹೊಂದಾಣಿಕೆಯ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಫರ್ಮ್‌ವೇರ್
- TBS2 ಅನ್ನು ಸೆನ್ಸಿಎಂಎಲ್ ಡೇಟಾ ಕ್ಯಾಪ್ಚರ್ ಲ್ಯಾಬ್‌ಗೆ ಕಾನ್ಫಿಗರ್ ಮಾಡಿ ಮತ್ತು ಸಂಪರ್ಕಪಡಿಸಿ
- ಬೇರ್ ಬೋರ್ಡ್‌ನೊಂದಿಗೆ 'ಸ್ಲೈಡ್ ಡೆಮೊ' ಡೇಟಾವನ್ನು ಸೆರೆಹಿಡಿಯಿರಿ (ಬಳಕೆದಾರರು ಫ್ಯಾನ್ ಕಿಟ್‌ಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ)
- ಡೇಟಾವನ್ನು ಲೇಬಲ್ ಮಾಡಿ ಮತ್ತು ಉಳಿಸಿ ಮತ್ತು ರುample ಯೋಜನೆ (ನಾವು ಕೋರ್ಸ್‌ನ ಉಳಿದ ಭಾಗಕ್ಕೆ ಬಳಸುವುದಿಲ್ಲ)
- ಅನಾಲಿಟಿಕ್ಸ್ ಸ್ಟುಡಿಯೊವನ್ನು ಆಹ್ವಾನಿಸಿ (ಈ ಹಂತದಲ್ಲಿ, ಬಳಕೆದಾರರು ಪೂರ್ವ-ಸಂಗ್ರಹಿಸಿದ TBS2 ಫ್ಯಾನ್ ಡೆಮೊ ಡೇಟಾಸೆಟ್‌ನಿಂದ ಕೆಲಸ ಮಾಡುತ್ತಾರೆ)
- ಫ್ಯಾನ್ ಸ್ಟೇಟ್ ಡಿಟೆಕ್ಷನ್ ಮಾಡೆಲ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಮಾದರಿಯ ಹಂತಗಳ ಮೂಲಕ ಕೆಲಸ ಮಾಡಿ
- ಜ್ಞಾನ ಪ್ಯಾಕ್ ಅನ್ನು ರಚಿಸಿ
- ಐಚ್ಛಿಕ: TBS2 ಗೆ ಫ್ಲ್ಯಾಶ್ ಮಾಡೆಲ್
- ಸ್ಮಾರ್ಟ್ ಬಿಲ್ಡಿಂಗ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಡೆಮೊ ವೀಡಿಯೊ - 5 ನಿಮಿಷಗಳ
- Q&A – 10 ನಿಮಿಷಗಳ
ಸೆನ್ಸಿಎಂಎಲ್ ಪರಿಚಯ
- SensiML ಎಂಬುದು IoT ಅಂಚಿನಲ್ಲಿರುವ AI ಗಾಗಿ B2B ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಕರಗಳ ಕಂಪನಿಯಾಗಿದೆ
- ಡೇಟಾ ವಿಜ್ಞಾನ ಪರಿಣತಿಯಿಲ್ಲದೆ ಅಲ್ಟ್ರಾ-ಕಾಂಪ್ಯಾಕ್ಟ್ ML ಸಂವೇದಕ ಮಾದರಿಗಳನ್ನು ರಚಿಸಲು ಡೆವಲಪರ್‌ಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ
- 10KB ಯಷ್ಟು ಚಿಕ್ಕ ಮಾದರಿಗಳು!
- ಮಾಜಿ ಇಂಟೆಲ್ ಕ್ಯೂರಿ/ಕ್ವಾರ್ಕ್ MCU AI ಸಾಫ್ಟ್‌ವೇರ್ ಪರಿಕರಗಳ ತಂಡ, 2017 ರಲ್ಲಿ SensiML ಅನ್ನು ರೂಪಿಸಲು ಬಿಟ್ಟಿತು
- ಸಿಲಿಕಾನ್ ಲ್ಯಾಬ್ಸ್ ಮತ್ತು ಸೆನ್ಸಿಎಂಎಲ್ ಪರಿಹಾರ
- EFR32/EFM32 MCU ಕುಟುಂಬಕ್ಕೆ ವಿದ್ಯುತ್ ದಕ್ಷ ML ಅನ್ನು ತರುವುದು
- ಥಂಡರ್‌ಬೋರ್ಡ್ ಸೆನ್ಸ್ 2 ನೊಂದಿಗೆ ರಾಪಿಡ್ ಸ್ಮಾರ್ಟ್ ಐಒಟಿ ಅಪ್ಲಿಕೇಶನ್ ಪ್ರೊಟೊಟೈಪಿಂಗ್
- SensiML ಸ್ಥಿರತೆ ಮತ್ತು ವಿಶ್ವಾದ್ಯಂತ ಬೆಂಬಲವನ್ನು ಹೊಂದಿದೆ
- QuickLogic Corp ನಿಂದ 2019 ರಲ್ಲಿ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡಿತು; ಸಂಪೂರ್ಣ ಸ್ವತಂತ್ರ ಸಾಫ್ಟ್‌ವೇರ್ ಅಂಗಸಂಸ್ಥೆಯಾಗಿ ಸೆಟಪ್ ಮಾಡಿ ಮತ್ತು ರನ್ ಮಾಡಿ (ಪೋರ್ಟ್‌ಲ್ಯಾಂಡ್, ಅಥವಾ ಮೂಲದ)
- ಸ್ಥಾಪಿತ ಚಾನಲ್ ಪಾಲುದಾರರು (ಅವ್ನೆಟ್, ಫ್ಯೂಚರ್ ಎಲೆಕ್ಟ್ರಾನಿಕ್ಸ್, ಮೌಸರ್, ಶಿಂಕೋ ಶೋಜಿ)
- UK, US, ಜಪಾನ್, ತೈವಾನ್, ಚೀನಾದಲ್ಲಿ ಮಾರಾಟ/ಬೆಂಬಲ ಕಚೇರಿಗಳು
ಸ್ಮಾರ್ಟ್ ಕಟ್ಟಡಗಳಲ್ಲಿ TinyML ಗೆ ಅವಕಾಶಗಳು
ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸ್ಮಾರ್ಟ್ IoT ಸಂವೇದಕ ಅಪ್ಲಿಕೇಶನ್ ಅಭಿವೃದ್ಧಿಯೊಂದಿಗೆ ಸವಾಲುಗಳು
ಮೇಘ-ಕೇಂದ್ರಿತ AI
- ಹೆಚ್ಚಿನ ನೆಟ್ವರ್ಕ್ ಟ್ರಾಫಿಕ್ ಲೋಡ್
- ಹೈ ಲ್ಯಾಟೆನ್ಸಿ
- ಕಡಿಮೆ ದೋಷ ಸಹಿಷ್ಣುತೆ
- ಡೇಟಾ ಭದ್ರತೆಯ ಅಜ್ಞಾತ ಅಪಾಯ
- ಗೌಪ್ಯತೆಯ ಕಾಳಜಿ
ಆಳವಾದ ಕಲಿಕೆ
- ದೊಡ್ಡ ತರಬೇತಿ ಡೇಟಾ ಅವಶ್ಯಕತೆಗಳು
- Large memory footprint
- ಹೆಚ್ಚಿನ ಸಂಸ್ಕರಣೆ ಕೆಲಸದ ಹೊರೆ
- ಹೆಚ್ಚಿನ ವಿದ್ಯುತ್ ಬಳಕೆ
- ಕಳಪೆ ಎಂಡ್‌ಪಾಯಿಂಟ್ ಬ್ಯಾಟರಿ ಬಾಳಿಕೆ
ಹ್ಯಾಂಡ್-ಕೋಡೆಡ್ ಎಂಡ್‌ಪಾಯಿಂಟ್‌ಗಳು
- ನಿಧಾನ ಮತ್ತು ಕಾರ್ಮಿಕ-ತೀವ್ರ
- ಅಜ್ಞಾತ ಕೋಡ್ ಗಾತ್ರ ಮುಂಗಡ
- ವಿರಳ ಡೇಟಾ ವಿಜ್ಞಾನ ಪರಿಣತಿ
- ಸಂಕೀರ್ಣ AI/ML ಕೋಡ್ ಲೈಬ್ರರಿಗಳು
- ಸ್ಕೇಲೆಬಲ್/ಸ್ಪರ್ಧಾತ್ಮಕವಾಗಿಲ್ಲ
TinyML = IoT ಎಡ್ಜ್ ML + AutoML
- IoT ಎಡ್ಜ್ ML: ಸ್ವಾಯತ್ತ ಅಂತಿಮ ಬಿಂದುಗಳು
- ಟ್ರಿವಿಯಲ್ ನೆಟ್ವರ್ಕ್ ಥ್ರೋಪುಟ್ ಮತ್ತು ದೀರ್ಘ ವೈರ್ಲೆಸ್ ಬ್ಯಾಟರಿ ಬಾಳಿಕೆ
- ಯಾವುದೇ ಕ್ಲೌಡ್ ಪ್ರೊಸೆಸಿಂಗ್ ಅಥವಾ ನೆಟ್ವರ್ಕ್ ಅವಲಂಬನೆಗಳಿಲ್ಲ
- ನೈಜ-ಸಮಯದ ಸ್ಪಂದಿಸುವಿಕೆ
- AutoML: AI ಪರಿಣತಿ ಇಲ್ಲದೆ ಆಪ್ಟಿಮೈಜ್ ಮಾಡಿ
- ಒದಗಿಸಿದ ಡೇಟಾಕ್ಕಾಗಿ ಸ್ವಯಂ-ಆಪ್ಟಿಮೈಜರ್ ಉತ್ತಮ ಮಾದರಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ
- ಆಳವಾದ ಕಲಿಕೆಯ ಮೂಲಕ ಕ್ಲಾಸಿಕ್ ಯಂತ್ರ ಕಲಿಕೆ (ML).
- SensiML TinyML 10KB ಯಷ್ಟು ಚಿಕ್ಕ ಮಾದರಿಗಳನ್ನು ನೀಡುತ್ತದೆ!
- ಹ್ಯಾಂಡ್-ಕೋಡಿಂಗ್ ಅಗತ್ಯವಿಲ್ಲ
- ML ತರಬೇತಿ ಡೇಟಾಸೆಟ್‌ಗಳಿಂದ ಮಾದರಿ ಕೋಡ್ ಸ್ವಯಂ-ರಚಿಸಲಾಗಿದೆ
- ತಿಂಗಳ ಅಭಿವೃದ್ಧಿ ಪ್ರಯತ್ನ ಮತ್ತು ಡೇಟಾ ವಿಜ್ಞಾನ ಪರಿಣತಿಯನ್ನು ಉಳಿಸುತ್ತದೆ
- ಡೆವಲಪರ್ ಆಟೋಎಂಎಲ್ ಕೋಡ್‌ನ ಯಾವುದೇ ಅಂಶವನ್ನು ಬಯಸಿದಂತೆ ಬದಲಾಯಿಸಬಹುದು
ಮಾದರಿ ಕಟ್ಟಡ ಕೆಲಸದ ಹರಿವು
ಡೇಟಾವನ್ನು ಸೆರೆಹಿಡಿಯಿರಿ
- ಸಮಯ: ಗಂಟೆಗಳಿಂದ ವಾರಗಳು* (ಅಪ್ಲಿಕೇಶನ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಸಂಕೀರ್ಣತೆಯನ್ನು ಅವಲಂಬಿಸಿ)
- ಕೌಶಲ್ಯ: ಡೊಮೇನ್ ಪರಿಣತಿ (ಆಸಕ್ತಿಯ ಘಟನೆಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಲೇಬಲ್ ಮಾಡಲು ಅಗತ್ಯವಿರುವಂತೆ)
ಗಮನಿಸಿ: ಕಾರ್ಯಾಗಾರಕ್ಕಾಗಿ ಈ ಹಂತವನ್ನು ವೇಗಗೊಳಿಸಲು ನಾವು ಹಿಂದೆ ಸಂಗ್ರಹಿಸಿದ ಕೆಲವು ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತೇವೆ
ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿ
- ಸಮಯ: ನಿಮಿಷಗಳಿಂದ ಗಂಟೆಗಳವರೆಗೆ (ಮಾದರಿ ನಿಯಂತ್ರಣದ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ)
- ಕೌಶಲ್ಯ: ಯಾವುದೂ ಇಲ್ಲ (ಪೂರ್ಣ ಆಟೋಎಂಎಲ್)
- ಮೂಲ ML ಪರಿಕಲ್ಪನೆಗಳು (ಸುಧಾರಿತ UI ಟ್ಯೂನಿಂಗ್)
- ಪೈಥಾನ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ (ಸಂಪೂರ್ಣ ಪೈಪ್‌ಲೈನ್ ನಿಯಂತ್ರಣ)
ಪರೀಕ್ಷಾ ಸಾಧನ
- ಸಮಯ: ನಿಮಿಷಗಳಿಂದ ವಾರಗಳು (ಅಪ್ಲಿಕೇಶನ್ ಕೋಡ್ ಏಕೀಕರಣ ಅಗತ್ಯಗಳನ್ನು ಅವಲಂಬಿಸಿ)
- ಕೌಶಲ್ಯ: ಯಾವುದೂ ಇಲ್ಲ (ಸ್ವಯಂ ರಚಿಸಲಾದ I/O ರ್ಯಾಪರ್ ಕೋಡ್‌ನೊಂದಿಗೆ ಬೈನರಿ ಫರ್ಮ್‌ವೇರ್)
ಎಂಬೆಡಿಂಗ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ (SensiML ಲೈಬ್ರರಿಯ ಏಕೀಕರಣ ಅಥವಾ ಬಳಕೆದಾರ ಕೋಡ್‌ನೊಂದಿಗೆ C ಮೂಲ)
ಕಾರ್ಯಾಗಾರದ ಗುರಿಗಳು
- ಸಿಲಿಕಾನ್ ಲ್ಯಾಬ್ಸ್ ಥಂಡರ್‌ಬೋರ್ಡ್ ಸೆನ್ಸ್ 2 ನಲ್ಲಿ SensiML ನ TinyML ಟೂಲ್‌ಕಿಟ್ ಮತ್ತು ಮಾದರಿ ನಿರ್ಮಾಣ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪರಿಚಯಿಸಿ
- ಡೇಟಾ-ಚಾಲಿತ ಮೇಲ್ವಿಚಾರಣೆಯ ML ಸಂವೇದಕ ಅಲ್ಗಾರಿದಮ್ ಅಭಿವೃದ್ಧಿಯ ಅನುಭವ
- IoT ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸಲು ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ಆನ್-ಡಿವೈಸ್ ಪರೀಕ್ಷೆಯ ಮೂಲಕ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಿಂದ ಕೆಲಸದ ಹರಿವನ್ನು ತಿಳಿಯಿರಿ
- ಕಾರ್ಯನಿರ್ವಹಣೆಯ HVAC ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣಾ ಮಾದರಿಯನ್ನು ಪ್ರಾರಂಭಿಸಲು-ಮುಕ್ತಾಯವನ್ನು ನಿರ್ಮಿಸಿ
- TinyML ಮಾದರಿ ರಚನೆ ಪ್ರಕ್ರಿಯೆಯ ಕುರಿತು ನೀವು ಹೊಂದಿರಬಹುದಾದ ಪ್ರಶ್ನೆಗಳನ್ನು ಪರಿಹರಿಸಿ
ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವ HVAC ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಅಪ್ಲಿಕೇಶನ್
- ನಮ್ಮ ಕೈಯಲ್ಲಿರುವ ಭಾಗದ ಉದ್ದೇಶಗಳಿಗಾಗಿ, ನಾವು ಸ್ಮಾರ್ಟ್ ಫ್ಯಾನ್ ಮಾನಿಟರಿಂಗ್ ಸಾಧನವನ್ನು ನಿರ್ಮಿಸಲಿದ್ದೇವೆ
- HVAC ವ್ಯವಸ್ಥೆಗಳನ್ನು ನಿರ್ಮಿಸಲು ಅಭಿಮಾನಿಗಳು ಸರ್ವತ್ರ ಬಳಸುತ್ತಾರೆ: ಬ್ಲೋವರ್‌ಗಳು, ಉಪಕರಣಗಳ ಸಕ್ರಿಯ ಕೂಲಿಂಗ್, ಏರ್ ಹ್ಯಾಂಡ್ಲರ್‌ಗಳು, ವಾತಾಯನ ನಾಳ
- ವೈಫಲ್ಯ ಅಥವಾ ಅವನತಿಯು ದಕ್ಷತೆಯ ನಷ್ಟ, ಹೆಚ್ಚಿದ ಶಕ್ತಿಯ ಬಳಕೆ, HVAC ವೈಫಲ್ಯಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು
- ಬಹು ಸಾಮಾನ್ಯ ಮತ್ತು ಅಸಹಜ ಫ್ಯಾನ್ ಸ್ಟೇಟ್‌ಗಳನ್ನು ಪತ್ತೆ ಮಾಡಬಹುದಾದ ಸರಳವಾದ ಮೇಲ್ವಿಚಾರಣಾ ಸಾಧನವನ್ನು ನಾವು ನಿರ್ಮಿಸುತ್ತೇವೆ:
- ಫ್ಯಾನ್ ಆಫ್ / ಆನ್
- ಸಡಿಲವಾದ ಆರೋಹಣಗಳು
- ಫ್ಯಾನ್ ಗಾರ್ಡ್ ಅಡಚಣೆ
- ಭಾಗಶಃ ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಬಂಧಿಸಲಾದ ಗಾಳಿಯ ಹರಿವು
- ಬ್ಲೇಡ್ ಇಂಪಿಂಗ್ಮೆಂಟ್
- ಅತಿಯಾದ ಕಂಪನ
ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪ್ರಾರಂಭಿಸೋಣ
ಮಾದರಿ ರಚನೆಗಾಗಿ "ನೈಜ-ಸಮಯ" ಕಾರ್ಯಾಗಾರ ಹಂತ-ಹಂತದ ವಿಧಾನ - 60 ನಿಮಿಷಗಳು
- ಥಂಡರ್‌ಬೋರ್ಡ್ ಸೆನ್ಸ್ 2 (TBS2) ಗೆ ಫ್ಲ್ಯಾಶ್ ಸೆನ್ಸಿಎಂಎಲ್ ಹೊಂದಾಣಿಕೆಯ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಫರ್ಮ್‌ವೇರ್
- TBS2 ಅನ್ನು ಸೆನ್ಸಿಎಂಎಲ್ ಡೇಟಾ ಕ್ಯಾಪ್ಚರ್ ಲ್ಯಾಬ್‌ಗೆ ಕಾನ್ಫಿಗರ್ ಮಾಡಿ ಮತ್ತು ಸಂಪರ್ಕಪಡಿಸಿ
- ಬೇರ್ ಬೋರ್ಡ್‌ನೊಂದಿಗೆ 'ಸ್ಲೈಡ್ ಡೆಮೊ' ಡೇಟಾವನ್ನು ಸೆರೆಹಿಡಿಯಿರಿ (ಬಳಕೆದಾರರು ಫ್ಯಾನ್ ಕಿಟ್‌ಗಳನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ)
- ಡೇಟಾವನ್ನು ಲೇಬಲ್ ಮಾಡಿ ಮತ್ತು ಉಳಿಸಿ ಮತ್ತು ರುample ಯೋಜನೆ (ನಾವು ಕೋರ್ಸ್‌ನ ಉಳಿದ ಭಾಗಕ್ಕೆ ಬಳಸುವುದಿಲ್ಲ)
- ಅನಾಲಿಟಿಕ್ಸ್ ಸ್ಟುಡಿಯೊವನ್ನು ಆಹ್ವಾನಿಸಿ (ಈ ಹಂತದಲ್ಲಿ, ಬಳಕೆದಾರರು ಮೊದಲೇ ಸಂಗ್ರಹಿಸಿದ TBS2 ಫ್ಯಾನ್ ಡೆಮೊ ಡೇಟಾಸೆಟ್‌ನಿಂದ ಕೆಲಸ ಮಾಡುತ್ತಾರೆ)
- ಫ್ಯಾನ್ ಸ್ಟೇಟ್ ಡಿಟೆಕ್ಷನ್ ಮಾಡೆಲ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಮಾದರಿಯ ಹಂತಗಳ ಮೂಲಕ ಕೆಲಸ ಮಾಡಿ
- ಜ್ಞಾನ ಪ್ಯಾಕ್ ಅನ್ನು ರಚಿಸಿ
- TBS2 ಗೆ ಫ್ಲ್ಯಾಶ್ ಮಾಡೆಲ್
ಡೆಮೊ ವಿಡಿಯೋ
ಕೃತಿಸ್ವಾಮ್ಯ © 2021 SensiML ಕಾರ್ಪೊರೇಷನ್. ಎಲ್ಲಾ ಹಕ್ಕುಗಳನ್ನು ಕಾಯ್ದಿರಿಸಲಾಗಿದೆ.
ದಾಖಲೆಗಳು / ಸಂಪನ್ಮೂಲಗಳು
 |
ಸೆನ್ಸಿಎಂಎಲ್ ಸ್ಮಾರ್ಟ್ ಬಿಲ್ಡಿಂಗ್ ಸಾಧನಗಳಲ್ಲಿ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆಯನ್ನು ಸೇರಿಸಿ [ಪಿಡಿಎಫ್] ಸೂಚನೆಗಳು ಸ್ಮಾರ್ಟ್ ಬಿಲ್ಡಿಂಗ್ ಸಾಧನಗಳಲ್ಲಿ ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ, ಸ್ಮಾರ್ಟ್ ಬಿಲ್ಡಿಂಗ್ ಸಾಧನಗಳಲ್ಲಿ ನಿರ್ವಹಣೆ, ಸ್ಮಾರ್ಟ್ ಬಿಲ್ಡಿಂಗ್ ಸಾಧನಗಳು, ಕಟ್ಟಡ ಸಾಧನಗಳನ್ನು ಸೇರಿಸಿ |
