Zurück

Deep Learning on the Edge – mit Googles Edge TPU zum smarten Coach

Mit der Edge TPU hat Google 2019 eine effiziente TPU sowie ein Dev Board herausgebracht, um quantisierte tiefe neuronale Netze zu produktivieren. In meinem Vortrag stelle ich vor, wie man die Edge TPU mit einer Kamera sowie einem Mikrocontroller (ESP8266) nutzen kann, um aus visuellen Daten in Echtzeit Steuerungssignale zu erzeugen.
Am Beispiel einer Federballmaschine soll die Position des Spielers im gegenüberliegenden Feld zuverlässig bestimmt werden. Anhand eines vorgegebenen Trainingsmodus wird die Zielposition für den nächsten Ball berechnet und als Steuerungssignal an den Mikrocontroller der Ballmaschine zur Umsetzung gesendet.

Vorkenntnisse

- Keine besondere Vorkenntnisse nötig
- Vorkenntnisse über tiefe neuronale Netze sind von Vorteil

Lernziele

- Grundlagenverständnis für Quantisierung und Deployment neuronaler Netze auf der Edge TPU
- Verständnis für die Herausforderungen bei der Umsetzung eines Edge Device Use Cases
- Kennenlernen der Pipeline von der Konzeption und Datenaufnahme bis zum produktiven Modell

Speaker

Marcel Kurovski arbeitet als Data Scientist für inovex. Zu seinen Spezialgebieten zählen Deep Learning, Reinforcement Learning und vor allem Recommender-Systeme. Unter dem Thema "Data Science to Production" beschäftigt er sich auch mit den Schritten von der Exploration bis zum Deployment von Modellen und deren kontinuierlicher Weiterentwicklung.

Dion Dahmono spielt seit seiner Kindheit Badminton, da er als gebürtiger Indonesier Badminton als Volksport in Indonesien erleben durfte. Beruflich ist er vor allem für die Administration der gesamten IT bei der Dr. Schönheit + P. Consulting GmbH verantwortlich, und dies schon fast seit 20 Jahren.

Gold-Sponsoren

Silber-Sponsoren

Bronze-Sponsor

JETZT SPONSOR WERDEN

building-IoT-Newsletter

Ihr möchtet über die building IoT
auf dem Laufenden gehalten werden?

Anmelden