SensiML د سمارټ جوړونې وسیلو لارښوونو کې د وړاندوینې وړ ساتنه اضافه کوي

د کوربه پیژندنه – 5 دقيقو
د لابراتوار لپاره مفکورې او هدف معرفي کړئ - 10 دقيقو
د ماډل جوړولو لپاره د ګام په ګام پروسیجر "ریښتیني وخت" اجرا کول - 60 دقيقو
- د تندربورډ سینس 2 (TBS2) ته د فلش SensiML مطابقت لرونکی ډیټا راټولولو فرم ویئر
- TBS2 د SensiML ډیټا کیپچر لابراتوار سره تنظیم او وصل کړئ
- د خلاصې تختې سره د 'سلایډ ډیمو' ډیټا ونیسئ (کاروونکي به د فین کټونه ونه لري)
- ډاټا لیبل کړئ او خوندي کړئ او ایسample پروژه (که څه هم موږ به د پاتې کورس لپاره ونه کاروو)
- د Analytics سټوډیو غوښتنه وکړئ (په دې وخت کې، کاروونکي به د مخکې راټول شوي TBS2 فین ډیمو ډیټاسیټ څخه کار وکړي)
- د فین حالت کشف کولو ماډل جوړولو لپاره د مرحلو له لارې کار وکړئ
- د پوهې کڅوړه جوړه کړئ
- اختیاري: TBS2 ته فلش ماډل

د سمارټ جوړونې غوښتنلیکونو ډیمو ویډیو - 5 دقيقو
پوښتنه او ځواب – 10 دقيقو

د SensiML پیژندنه

SensiML د IoT څنډه کې د AI لپاره د B2B سافټویر اوزار شرکت دی
- پراختیا کونکو ته وړتیا ورکوي چې د ډیټا ساینس تخصص پرته د الټرا کمپیکٹ ML سینسر ماډلونه رامینځته کړي
- د 10KB په څیر کوچني ماډلونه!
- پخوانی Intel Curie/Quark MCU AI سافټویر اوزار ټیم، په 2017 کې د SensiML جوړولو لپاره پاتې شو
د سیلیکون لابراتوارونه او د SensiML حل
- د EFR32/EFM32 MCU کورنۍ ته د بریښنا موثر ML راوړل
- د تندربورډ سینس 2 سره د چټک سمارټ IoT غوښتنلیک پروټوټایپ

SensiML ثبات او نړیوال ملاتړ لري
- په 2019 کې د QuickLogic Corp لخوا ترلاسه شوی؛ د بشپړ خپلواک سافټویر فرعي شرکت په توګه تنظیم او چلول (په پورټلینډ کې میشته، یا)
- تاسیس شوي چینل شریکان (Avnet, Future Electronics, Mouser, Shinko Shoji)
- په انګلستان، متحده ایالاتو، جاپان، تایوان، چین کې د پلور / ملاتړ دفترونه

په سمارټ ودانیو کې د TinyML لپاره فرصتونه

د موجوده سمارټ IoT سینسر غوښتنلیک پراختیا سره ننګونې

Cloud-Centric AI

د لوړ شبکې ترافیک بار
لوړ ځنډ
کم عیب زغمونکی
د معلوماتو امنیت نامعلوم خطر
د محرمیت اندیښنې

ژوره زده کړه

د لوی روزنې ډیټا اړتیاوې
د حافظې لوی نقش
د لوړ پروسس کولو کاري بار
د لوړ بریښنا مصرف
ضعیف پای ټکی بیټرۍ ژوند

لاسي کوډ شوي پای ټکي

ورو او کارګر
د نامعلوم کوډ اندازه مخکی
د ډیټا ساینس کم مهارت
پیچلي AI/ML کوډ کتابتونونه
د توزیع وړ / سیالي وړ ندي

TinyML = IoT Edge ML + AutoML

IoT Edge ML: خودمختاره پای ټکی
- د کوچني شبکې له لارې پټول او د بې سیم بیټرۍ اوږد ژوند
- د کلاوډ پروسس یا د شبکې انحصار نشته
- په ریښتیني وخت کې غبرګون
AutoML: د AI تخصص پرته اصلاح کول
- اتومات اصلاح کوونکی د چمتو شوي معلوماتو لپاره غوره ماډل غوره کوي
- د ژورې زده کړې له لارې د کلاسیک ماشین زده کړه (ML) پورته
- SensiML TinyML د 10KB په څیر کوچني ماډلونه تولیدوي!

لاسي کوډ کول اړین ندي
- د ماډل کوډ د ML روزنې ډیټاسیټونو څخه په اوتومات ډول رامینځته شوی
- د میاشتو پراختیا هڅې، او د معلوماتو ساینس تخصص خوندي کوي
- پرمخ وړونکی کولی شي د آټو ایم ایل کوډ هر اړخ د غوښتنې سره سم بدل کړي

د ماډل جوړونې کاري فلو

ډاټا نیول

وخت: ساعتونو څخه تر اونیو پورې * (د غوښتنلیک د معلوماتو راټولولو پیچلتیا پورې اړه لري)
مهارت: د ډومین تجربه (لکه څنګه چې د ګټو پیښو راټولولو او لیبل کولو لپاره اړین دي)

یادونه: موږ به د ورکشاپ لپاره د دې مرحلې ګړندۍ کولو لپاره ځینې دمخه راټول شوي ډاټا ګټه پورته کړو

موډل جوړ کړئ

وخت: دقیقو څخه تر ساعتونو پورې (د ماډل کنټرول درجې پورې اړه لري)

مهارت: هیڅ نه (بشپړ AutoML)
- د ML بنسټیز مفکورې (پرمختللی UI ټونینګ)
- د پایپون پروګرام کول (بشپړ پایپ لاین کنټرول)

د ازموینې وسیله

وخت: دقیقې تر اونیو پورې (د اپلیکیشن کوډ ادغام اړتیاو پورې اړه لري)

مهارت: هیڅ نه (بائنری فرم ویئر د اتومات تولید شوي I/O ریپر کوډ سره)
د برنامه ځای پرځای کول (د SensiML کتابتون ادغام یا د کارن کوډ سره C سرچینې)

د ورکشاپ موخې

د SensiML TinyML Toolkit او د سیلیکون لابراتوار تندربورډ سینس 2 کې د ماډل جوړولو پروسه معرفي کړئ

د ډیټا چلول شوي نظارت شوي ML سینسر الګوریتم پراختیا سره تجربه
د IoT موډلونو جوړولو لپاره د اعتبار او په وسیله د ازموینې له لارې د معلوماتو راټولولو څخه د کار جریان زده کړئ
د کار کولو HVAC وړاندوینې ساتنې ماډل جوړ کړئ له پیل څخه تر پای پورې
د TinyML ماډل جوړولو پروسې په اړه پوښتنې ته ځواب ورکړئ

د HVAC د وړاندوینې وړ ساتنې کاري غوښتنلیک

زموږ د لاسي برخې موخو لپاره، موږ به د سمارټ فین څارنې وسیله جوړه کړو
فینونه د HVAC سیسټمونو په جوړولو کې په هر ځای کې کارول کیږي: بلورز، د تجهیزاتو فعال کول، د هوا سمبالونکي، د وینټیلیشن ډیکټینګ

ناکامي یا تخریب کولی شي د موثریت له لاسه ورکولو ، د انرژي مصرف ډیروالي ، د HVAC ناکامیو لامل شي
موږ به د څارنې یو ساده وسیله جوړه کړو چې کولی شي ډیری نورمال او غیر معمولي فین حالتونه کشف کړي:
- فین بند / آن
- لوز موونټونه
- د فین ساتونکي خنډ
- د هوا جریان جزوی یا بشپړ بند شوی
- د تیغ مخنیوی
- ډیر وایبریشن

راځئ چې پروسه پیل کړو

"ریښتیني وخت" ورکشاپ د ماډل جوړولو لپاره ګام په ګام پروسیجر - 60 دقیقې

د تندربورډ سینس 2 (TBS2) ته د فلش SensiML مطابقت لرونکی ډیټا راټولولو فرم ویئر
TBS2 د SensiML ډیټا کیپچر لابراتوار سره تنظیم او وصل کړئ
د خلاصې تختې سره د 'سلایډ ډیمو' ډیټا ونیسئ (کاروونکي به د فین کټونه ونه لري)
ډاټا لیبل کړئ او خوندي کړئ او ایسample پروژه (که څه هم موږ به د پاتې کورس لپاره ونه کاروو)
د تجزیه سټوډیو غوښتنه وکړئ (په دې وخت کې، کاروونکي به د مخکې راټول شوي TBS2 فین ډیمو ډیټاسیټ څخه کار وکړي)
د فین حالت کشف کولو ماډل جوړولو لپاره د مرحلو له لارې کار وکړئ
د پوهې کڅوړه جوړه کړئ
د TBS2 فلش ماډل

ډیمو ویډیو

اسناد / سرچینې

SensiML د سمارټ جوړونې وسیلو کې د وړاندوینې ساتنه اضافه کوي [pdf] لارښوونې
په سمارټ جوړونې وسیلو کې د وړاندوینې ساتنه اضافه کړئ ، په سمارټ ودانیو وسیلو کې ساتنه ، د سمارټ ودانۍ وسیلې ، د ودانیو وسایل

حوالې

د کارن لارښود

SensiML د سمارټ جوړونې وسیلو کې د وړاندوینې ساتنه اضافه کوي

اجنډا