TinyML – Machine Learning für eingebettete Systeme (Meetup #5)

Details

"Für den Einsatz von Machine Learning benötigt man viel CPU- und GPU-Leistung! Das funktioniert niemals auf eingebetteten Systemen!" Richtig? Falsch! Während das Training von ML-Modellen nach wie vor nach potenter Hardware verlangt, lassen sich bereits trainierte Modelle so weit optimieren, dass sie auch auf Systemen mit stark beschränkten Ressourcen ausgeführt werden können. Wie das funktioniert, was Machine Learning eigentlich ist und wie ein TinyML-Workflow auf Basis von TensorFlow Lite for Microcontrollers aufgebaut wird, soll in diesem Vortrag gezeigt werden. Weiterhin werden wir in einer Live-Demo sehen, wie eine Machine Learning-Anwendung auf einem Arduino-Board installiert und ausgeführt wird.

Speaker: Jens Siebert (https://twitter.com/jens_siebert) ist Senior Software Engineer bei der B.Braun Melsungen AG. Er ist ein Fullstack IoT Developer und somit sowohl in die Umsetzung einer komponenten-basierten Softwarearchitektur für eingebettete, sicherheitskritische Systeme, als auch in die Entwicklung von Cloud-Services rund um diese Systeme involviert.
Er ist seit 20 Jahren in der Softwareentwicklung tätig und blickt dabei gerne einmal über den Tellerrand hinaus. Sein aktueller Schwerpunkt ist die Entwicklung von Anwendungen mit Hilfe der Azure IoT Services. Derzeit beschäftigt er sich mit der Anbindung von Sensoren über das LoRa-Funkprotokoll an Azure IoT Hubs. Auch neuartige Steuerungsmöglichkeiten für IoT Anwendungen mit Hilfe von Sprache, Text oder Interaktionen in VR/AR gehören zu seinen Interessensgebieten.
Jens ist regelmäßig als Sprecher bei diversen Meetups aktiv, unter anderem bei der .NET User Group Paderborn, der .NET User Group Kassel, sowie beim WebMontag in Kassel. Er ist Initiator der The Things Network Community in Baunatal.