课程简介
将 TinyML 融入物联网应用，正迅速成为遍及亚洲的关键技术。随着智能设备的普及以及边缘侧对高效数据处理的需求，TinyML 为在计算资源受限的设备中嵌入智能提供了革命性方法。各行业致力于提升运营效率并推动创新，对 TinyML 专业能力的需求正迅速增长。本课程旨在帮助专业人士掌握在物联网生态中充分发挥 TinyML 潜力所需的技能，使组织保持竞争力并快速响应市场需求。
商业价值
对人力资源部门和管理者而言，投资 TinyML 培训具有显著的投资回报。通过赋能团队具备开发与落地 TinyML 解决方案的能力，组织可以降低延迟、提升能效，并优化物联网设备中的数据处理。这将转化为成本节约、性能提升，以及在竞争激烈的市场中更稳固的地位。课程为学员提供构建更智能、更自主物联网系统所需的知识与工具，与企业战略目标保持一致，推动可持续增长。
课程目标
- 理解 TinyML 的基础原理及其在物联网中的应用。
- 学习在微控制器与边缘设备上开发与部署 TinyML 模型。
- 掌握针对低功耗设备优化机器学习模型的能力。
- 通过真实案例学习并应用 TinyML 最佳实践。
- 提升面向物联网场景的数据采集、处理与模型训练技能。
课程大纲
模块 1：TinyML 概述
本模块涵盖 TinyML 的基础知识，包括其在物联网应用中的重要性、关键组成以及推动其普及的技术进展。学员将了解 TinyML 在提升设备智能与效率方面的作用。
模块 2：机器学习模型部署
本模块将深入讲解在各类微控制器与边缘设备上部署机器学习模型的流程。重点包括模型选择、部署流程理解以及应对硬件限制。
模块 3：模型优化技术
本模块介绍将机器学习模型优化为可在低功耗设备上高效运行的技术。内容涵盖模型量化、剪枝与压缩方法，在尽量减少资源占用的同时保持性能。
模块 4：实践应用与案例研究
学员将通过案例研究，探索 TinyML 在各行业的实际应用。本模块将展示成功落地实践及其在真实场景中的影响，为学员提供洞见与启发。
教学方法
本课程采用互动式教学，融合理论讲解、上机实操与协作式工作坊。学员将参与现场演示、小组讨论与问题解决环节，强化学习效果，并支持在工作场景中立即应用所学技能。
适合人群
本课程适合希望提升 TinyML 专业能力的物联网开发者、数据科学家、工程师及 IT 专业人士。同时也适合负责部署物联网解决方案、希望在边缘侧应用机器学习的管理者与决策者。
常见问题
需要具备哪些前置知识？ 参与者需具备对机器学习与物联网概念的基础理解。
课程如何开展？ 课程通过线上形式进行，包含直播授课与录播资料，便于灵活学习。
是否有评估环节？ 有。学员将通过项目与测验来评估理解与技能掌握情况。