Technische Herausforderungen mit TinyML auf Mikrocontrollern

Die zunehmende Verbreitung von IoT-Geräten erfordert intelligente Lösungen, die effizient und zuverlässig arbeiten, oft unter ressourcenbeschränkten Bedingungen. Dieser Vortrag bietet eine Einführung in die Welt von TinyML – die direkte Anwendung von Machine-Learning-Modellen auf Mikrocontroller – und zeigt dessen entscheidende Rolle bei der Entwicklung autonomer und energieeffizienter IoT-Anwendungen.
Anhand praktischer Beispiele wird die Umsetzung von TinyML-Modellen demonstriert. Zudem werden die Herausforderungen bei der Portierung und Implementierung von trainierten Modellen für Mikrocontroller näher betrachtet.

Vorkenntnisse

• Grundlagen von Machine Learning, insbesondere Modelltraining und -evaluierung sind von Vorteil, aber nicht erforderlich
  
• Basiswissen zu Mikrocontrollern ist nicht notwendig
  
• Allgemeine Programmiererfahrung, da im Vortrag Python-Code sowohl beim Ausführen auf Mikrocontrollern als auch in Jupyter-Notebooks gezeigt wird

Lernziele

• Die Funktionsweise und Bedeutung von TinyML in IoT-Anwendungen
  
• Praktische Ansätze zur Implementierung von Modellen auf Mikrocontrollern sowie Hintergrundinformationen zur Entwicklung eines energieeffizienten Wake-Word-Erkennungssystems
  
• Die Herausforderungen bei der Portierung und Implementierung von trainierten Modellen für Mikrocontroller sowie mögliche Lösungsansätze