zurück zur Suche

Embedded System Design for Machine Learning

EI71104Prüfungsleistungen6 ECTSEnglischWintersemesterLehrstuhl für Entwurfsautomatisierung (Prof. Schlichtmann)
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst, wie du Machine-Learning-Modelle auf eingebettete Geräte bringst: vom Design-Flow über Modellkompression und Softwareoptimierung bis hin zu einfachen Hardwarebeschleunigern. Am Ende kannst du Modelle für Mikrocontroller deployen, Kompressions- und Beschleunigungsmaßnahmen bewerten und eine einfache Hardwarebeschleuniger-Designsimulation durchführen.

Was du danach kannst

  • Design-Flow für Deployment von ML auf Embedded-Geräten verstehen
  • Trade-offs von Software- vs. Hardware-Ausführung beurteilen
  • Modellkompressionsmethoden anwenden
  • Prinzipien der Hardwarebeschleunigung (SIMD, Vector, 2D-Systolic) anwenden
  • einen modernen Deployment-Flow (z. B. TVM) für eine ML-Anwendung nutzen
  • Deployment-Code auf einem Mikrocontroller implementieren und einfachen HW-Beschleuniger entwerfen

Aus was das Modul besteht

  • VorlesungVermittlung der theoretischen Inhalte, Übungen integriert, Aktivierung durch Gruppenarbeiten
  • Labor/PraktikumDrei betreute Laborteile zur praktischen Anwendung: TVM-Toolchain, Deployment einer Keyword-Erkennung auf Mikrocontroller, Entwurf eines einfachen HW-Accelerators und Simulation

Lehrmethode

  • Präsentation mit Foliengrundlegende Inhalte strukturiert vermitteln
  • Integrierte Übungen und Gruppenarbeitendirektes Anwenden der Inhalte an Beispielaufgaben und Förderung von Teamarbeit
  • Tutoriell betreute LabortasksPraktische Umsetzung des Vorlesungsstoffs in kleinen Gruppen und problemorientiertes Lernen

Termine

Vorlesung mit ÜbungEmbedded System Design for Machine Learning

Aus dem laufenden Semester, unverbindlich.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.