Robuste Industrie mit Schwerpunkt auf Sensorik mit TinyML auf Edge und Geräten
1. Einführung in TinyML und Industrie-Sensorik: Definition und Bedeutung von TinyML in der Industrie, Überblick über Sensorik und deren Anwendungen, Anwendungsfälle von TinyML in der Industrie
2. Datenakquise und -verarbeitung mit TinyML: Techniken zur Datenerfassung von Sensoren, Verarbeitung und Analyse von Sensordaten, Erstellung von Datenpipelines für TinyML
3. Modellentwicklung für Edge-Geräte: Auswahl geeigneter ML-Modelle für Edge-Computing, Training von Modellen für ressourcenbeschränkte Umgebungen, Bewertung der Modellleistung auf Edge-Geräten
4. Deployment von TinyML-Modellen auf Edge-Geräten: Strategien für das Deployment auf Edge-Devices, Überwachung der Modellleistung in Echtzeit, Fehlerbehebung und Optimierung von Modellen
5. Sicherheit und Datenschutz in der Industrie-Sensorik: Relevante Sicherheitsstandards und -richtlinien, Strategien zur Sicherung von Sensordaten, Umgang mit sensiblen Daten in der Industrie
6. Praxisprojekt: Implementierung einer TinyML-Lösung: Planung und Durchführung eines Projekts mit TinyML, Erstellung und Implementierung einer funktionsfähigen Lösung, Präsentation und Feedback zu den Ergebnissen
7. Zukunftstrends in TinyML und Industrie-Sensorik: Aktuelle Entwicklungen in der TinyML-Technologie, Vorbereitung auf zukünftige Herausforderungen, Innovationen in der Industrie-Sensorik