日期:2021年7月22日，星期四
时间:PDT上午9点/ edt晚上12点
赞助商:慕斯电子和英飞凌科技
持续时间:1小时
已经注册?请点击这里登录!
总结
今天的物联网硬件/软件开发人员在构建未来设备时面临着一系列复杂的设计。从集成无线连接的复杂性——到在电池支持的设计中优化系统功率——再到集成传感器融合:让物联网工作对任何团队来说都是一项艰巨的任务。作为连接现实和数字世界的领导者，英飞凌非常了解这些设计挑战，我们最近解决的一个问题就是在边缘设备上释放机器学习(ML)的潜力。
随着对隐私、带宽、成本和延迟的切实关注，将ML工作负载移到边缘的情况变得比以往任何时候都更加强烈。然而，一旦训练了ML数据并创建了模型，挑战就不会停止。在用于创建模型的工具和用于验证和优化嵌入式微控制器设备的过程之间搭建桥梁是极其复杂的，并导致上市时间缓慢。这就是英飞凌推出ModusToolbox™机器学习工具的原因，该工具能够快速评估ML模型，并将其部署到英飞凌的mcu上。ModusToolbox™ML旨在与ModusToolbox™软件生态系统的bsp、连接堆栈、中间件和直观的配置器无缝合作，以便开发人员可以专注于他们的应用程序差异和进入市场。
参加本次网络研讨会，了解ModusToolbox™ML如何实现:
- 从流行的培训框架(如TensorFlow™)导入模型
- 对嵌入式平台的模型进行优化，以减小规模和复杂性
- 通过基准测试验证优化模型的性能
- 生成与ModusToolbox™开发流程集成的优化模型代码和库
以及一个实际操作的技术演示，并开始迅速和容易。现在注册!
演讲者
Sree Harsha Angara，英飞凌技术公司产品营销经理
Sree Harsha Angara是英飞凌MCU机器学习软件支持的产品营销经理。他还推动生态系统合作伙伴开发云、安全和人工智能应用。在过去，他曾为各种不同的产品设计和实现固件，从消费级音频设备到高可靠性服务器系统管理。
Nicholas Sharp，英飞凌科技高级应用工程师
Nicholas Sharp是英飞凌MCU部门的高级应用工程师。目前，他正在英飞凌MCU开发机器学习，并为数字系统设计固件。他拥有西雅图太平洋大学的计算机工程学位。
由:
注册
