Arduino Tiny Machine Learning Kit
Le kit Tiny Machine Learning, associé aux cours passionnants TinyML Applications et Deploying TinyML on Microcontrollers qui font partie de la spécialisationTiny Machine Learning (TinyML) d'EdX, vous fournira tous les outils nécessaires pour donner vie à vos projets de ML !
Le kit se compose d'une carte puissante équipée d'un microcontrôleur et d'une grande variété de capteurs (Arduino Nano 33 BLE Sense*). La carte peut détecter les mouvements, l'accélération, la rotation, la pression barométrique, les sons, les gestes, la proximité, la couleur et l'intensité lumineuse. Le kit comprend également un module caméra (OV7675) et un shield Arduino personnalisé pour faciliter la connexion de vos composants et créer votre propre projet TinyML unique. Vous pourrez explorer des cas d'utilisation pratiques du ML à l'aide d'algorithmes classiques ainsi que de réseaux neuronaux profonds alimentés par TensorFlow Lite Micro. Les possibilités ne sont limitées que par votre imagination !
Âge : 18 ans et plus
Nombre d'étudiants recommandé par kit : 1
Langues disponibles : anglais
Le kit Tiny Machine Learning comprend :
- 1 carte Arduino Nano 33 BLE Sense
- 1 caméra OV7675
- 1 shield Arduino Tiny Machine Learning
- 1 câble USB A vers micro USB
Logiciels :
- TensorFlow™ Lite pour microcontrôleurs permettant d'exécuter des modèles d'apprentissage automatique sur des microcontrôleurs
- Arduino IDE, comprenant une bibliothèque disponible pour TensorFlow™ Lite avec quatre exemples montrant comment exécuter l'apprentissage automatique de la parole, de l'accéléromètre et de l'image sur un microcontrôleur.
Contenu d'apprentissage en ligne :
- Un programme de certificat professionnel est proposé par l'université Harvard et Google TensorFlow™.
- Les étudiants découvriront le domaine émergent du Tiny Machine Learning, ses applications concrètes et les possibilités futures de cette technologie transformatrice.
Le programme est divisé en 3 cours :
- Principes fondamentaux du TinyML et du deep learning
- Applications du TinyML
- Déploiement du TinyML