TinyML: diseño de dispositivos inteligentes de recursos limitados
A lo largo de esta sección exploraremos el concepto de TinyML, una solución que busca la inclusión de modelos de machine learning en microcontroladores, dispositivos con fuertes limitaciones de recursos, con el objetivo de reducir costes, consumos, latencias e incrementar la seguridad de los datos recogidos. En esta línea se realizará un análisis del estado de la cuestión en diferentes ámbitos, centrado, no solo en las diversas aplicaciones en las que se implementa, sino también en las herramientas utilizadas para dicha implementación. De igual forma, se desarrollarán las diferentes fases del proceso de elaboración de un sistema TinyML, tanto a nivel hardware como a nivel software, haciendo hincapié en las diferentes etapas del desarrollo de los modelos neuronales. Por último, se analizará el proceso de implementación del sistema, así como la evaluación del mismo para verificar su correcto funcionamiento, presentando las diferentes posibilidades.
Alto
4 Desarrollo de modelos para TinyML
4.1 Creación de la base de datos
4.1.2 Bases de datos preexistentes
4.2 Filtrado y extracción de indicadores
4.2.2.3 Dominio temporal-frecuencial
4.3.1 Entrenamiento y evaluación
4.3.2.1 Técnicas de optimización
Knowledge distillation (destilación de conocimiento)
Herramientas de generación de código