Harvard University utrzymuje pierwsze miejsce w Shanghai Ranking – światowym rankingu uniwersytetów i uczelni wyższych świata. Trudno o lepszą rekomendację niż wskazanie na ten przywilej. Prezentowany zestaw Arduino Machine Learning Kit to absolutna podstawa płatnych kursów HarvardX, dzięki którym można uzyskać certyfikat TinyML i ruszyć z uczeniem maszynowym na poważnie.
TinyML - wprowadzenie
Wykorzystanie TinyML (Tiny Machine Learning) w zastosowaniach edukacyjnych, badawczych i konsumenckich dało wspaniałe skutki. I tak też jeden z kursów, Deploying TinyML, można określić jako mieszankę informatyki i inżynierii elektrycznej. Harvard University uczy dzięki nim programować mikrokontrolery i wdrażać dla nich własny kod w TensorFlow Lite. Pozwalają na zdobycie praktycznego doświadczenia z systemami wbudowanymi, uzyskanie gruntownego przeszkolenia z zakresu uczenia maszynowego w ogóle i wreszcie wdrożenie takich zastosowań jak rozpoznawanie głosu, dźwięku i gestów. Sam kurs można nawet podjąć online z platformą edX – więcej na witrynie Harvard University. Według opisu kursu wymóg zaangażowania to 2 do 4 godzin tygodniowo, a tempo nauki możemy dobrać odpowiednie dla siebie.
TinyML jest jednym z najszybciej rozwijających się obszarów głębokiego uczenia i cieszy przede wszystkim fakt, że szybko staje się coraz bardziej dostępny (i przystępny). Poza tym warto wspomnieć, że sieci głębokiego uczenia stają się coraz mniejsze. Znaaacznie mniejsze. Zespół Google Assistant potrafi wykrywać słowa za pomocą modelu o rozmiarze zaledwie 14 kilobajtów – na tyle małego, że można go uruchomić właśnie na mikrokontrolerze. Szkoda, że jeszcze musimy poczekać na przetłumaczenie takich pozycji jak Tinyml: Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers Pete’a Wardena i Daniela Situnayake. Trzymamy rękę na pulsie i będziemy informować.
W swoim miejscu, we własnym tempie.
Zestaw Arduino Machine Learning Kit
Sercem zestawu jest płytką Arduino Nano 33 BLE Sense zbudowana na bazie modułu NINA B306 i z procesorem Nordic nRF52840 (układ Cortex M4F). Jej architektura jest w pełni kompatybilna z Arduino IDE w wariantach obsługi online i offline. Posiada na pokładzie czujniki temperatury, ciśnienia, wilgotności, światła, koloru, a nawet gestów. Dostępny jest nawet mikrofon, który może być zarządzany przez wyspecjalizowane biblioteki.
O co chodzi z zestawem od Arduino Machine Learning Kit? Ten wzbogacony o moduł kamery OV7675 komplet pozwala stworzyć niewielkie, inteligentne urządzenie, które będzie reagowało na dźwięki, rozpoznawało gesty lub twarze. Płytka może wykrywać ruch, przyspieszenie, obrót, temperaturę, wilgotność, ciśnienie barometryczne, dźwięki, gesty, bliskość, kolor i natężenie światła. Wszystko, co musimy wykonać, to stworzyć i zaprogramować model uczenia maszynowego, a następnie trenować go wykorzystując intuicyjne oprogramowanie. To niemało – trzeba trochę “otrzaskania” w dziedzinie klasycznych algorytmów i głębokich sieci neuronowych obsługiwanych przez TensorFlow Lite Micro, do którego wrócimy w ostatniej części. Wspierać nas w tym wszystkim będzie wspomniany kurs.
Dobrze, ale po co?
Kurs i praca z zestawem to coś więcej, niż obietnica aktywnego wkładu w rozwój nowoczesnych technologii uczenia maszynowego i sztucznej inteligencji. Oprócz praktycznego i oczywistego wymiaru kodowania i trenowania własnych projektów urządzeń z TinyML użytkownik ma szansę nauczyć się się takich zagadnień jak:
- Trening zewnętrznych modeli dla własnych projektów.
- Podstawy AI, rzeczywiste przypadki i scenariusze.
- Zastosowania AI w przemyśle i biznesie.
Odpowiednio zaprojektowane i skonstruowane z zestawem urządzenie zbierze i wykorzysta dla nas dane z nieporównywalną przy innych sposobach dokładnością.
Maszynowym okiem. Biblioteka AI TensorFlow
W ramach przerywnika nie sposób nie wspomnieć o TensorFlow. Ta funkcjonująca już od przeszło siedmiu lat otwartoźródłowa biblioteka powstała z inicjatywy Google. Programować możemy w Python, C++ i z architekturą Nvidia CUDA. Trochę o sprzęcie działającym z TensorFlow pojawiło się też w dość starym odcinku Nowości.
A z zasobów TensorFlow korzystają między innymi:
Nierozłączne braterstwo Raspberry Pi i Arduino, choć to rodzeństwo skrajnie różne, ma coraz częściej okazje zaistnieć na scenie sztucznej inteligencji.
