Empa Electronics tarafından düzenlenen Accelerators Workshops serimizin "Uçta Yapay Zeka - Ankara" adımına hoş geldiniz.
Bu kılavuz, modern makine öğrenimi kütüphaneleri ve standart yaklaşımlarla oluşturulacak "El Karakterleri Tanıma" uygulamamızın geliştirme adımlarında size rehberlik edecektir.
Aktivite içeriği olan "El Karakteri Tanıma" uygulaması, workshop için Empa Electronics tarafından tasarlanmış ve üretilmiş Kafa Kart (Mind Board) kullanılarak gerçekleştirilecektir. Kart üzerindeki ivmeölçer ve jiroskop sensörlerinden alınan toplam 6 eksenli sensör ölçümleri, bir yapay zeka modeline girdi olarak kullanılacak ve uç birim (Kafa Kart) üzerinde 5 farklı el karakterini sınıflandırmak amacıyla kullanılacaktır. Kafa Kart'ın elde tutulmasıyla gerçekleştirilecek el karakterleri görsel ile açıklanmıştır.
Öncelikle, aşağıdaki bağlantıyı kullanarak çalışma ortamı kurulum adımlarını takip ediniz.
Aktivite için gerekli program ve gereçlerin kurulum adımlarını içerir.
Demo içeriği olan "El Karakteri Tanıma" uygulamasının Tensorflow kütüphanesi kullanılarak oluşturulmuş CNN modeli ile Google Colab üzerindeki geliştirilmesini konu alan uygulama adımlarını içerir.
↳ STM32 Platformlarında Uçta Yapay Zeka Çözümleri: El Karakteri Tanıma (scikit-learn ile Random Forest)
Demo içeriği olan "El Karakteri Tanıma" uygulamasının scikit-learn kütüphanesi kullanılarak oluşturulmuş Random Forest modeli ile Google Colab üzerindeki geliştirilmesini konu alan uygulama adımlarını içerir.
Aktivite içeriği olan "El Karakteri Tanıma" uygulamasının yerel ortamdaki test adımlarını içerir.
Aktivite içeriği olan "El Karakteri Tanıma" uygulamasının uç birimde çözüm haline getirilmesi için gerekli implementasyon adımlarını içerir.
Aktivite içeriği olan "El Karakteri Tanıma" uygulamasının uç birimdeki test adımlarını içerir.
Tensorflow İle Makine Öğrenimi Modelleri Geliştirme
Tensorflow, beraberinde barındırdığı Keras kütüphanesinin de gücüyle, modern derin öğrenme / yapay zeka uygulamalarının geliştirilmesine olanak sağlayan en önemli açık kaynaklı geliştirme kaynaklarından biridir. Tensorflow kütüphanesi, yüksek-seviye kullanım dili ve bu sayede edindiği kullanım kolaylığı sebebiyle workshop etkinliği içerisinde geliştirilecek derin öğrenme modelinin temeli olarak tercih edilmiştir.
STM32 Cube-AI İle Uçta Yapay Zeka Çözümleri Dağıtımı
Geliştirilen bir makine öğrenmesi/derin öğrenme modelinin bir uç birimde, ST platformlarında tesis edilmesi, STMicroelectronics tarafından geliştirilen STM32CubeAI dönüşüm aracı ile sağlanabilmektedir. STM32CubeAI, pek çok popüler model formatı desteği ve dahili olarak gelen model sıkıştırma/derleme araçlarıyla geliştirilen modellerin kolayca çözümleştirilebilmesine imkan tanımaktadır.
Kaynaklar & Okuma Önerileri