# TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach

Canonical: https://www.kolczanksiazek.pl/pete-warden/tinyml-wykorzystanie-tensorflow-lite-do-uczenia-maszynowego-na-arduino-i-innych-mikrokontrolerach

![TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach](https://quivercdn.com/covers/helion/pete-warden/tinyml-wykorzystanie-tensorflow-lite-do-uczenia-maszynowego-na-arduino-i-innych-mikrokontrolerach_978-83-2838-362-3.jpg?v=2026-04-07%2011%3A16%3A22)

- Autorzy: [Pete Warden](https://www.kolczanksiazek.pl/pete-warden), [Daniel Situnayake](https://www.kolczanksiazek.pl/daniel-situnayake)
- Język: pl_PL
- Data wydania: 2022-02-15

## Opis

Może się wydawać, że profesjonalne systemy uczenia maszynowego wymagają sporych zasobów mocy obliczeniowej i energii. Okazuje się, że niekoniecznie: można tworzyć zaawansowane, oparte na sieciach neuronowych aplikacje, które doskonale poradzą sobie bez potężnych procesorów. Owszem, praca na mikrokontrolerach podobnych do Arduino lub systemach wbudowanych wymaga pewnego przygotowania i odpowiedniego podejścia, jest to jednak fascynujący sposób na wykorzystanie niewielkich urządzeń o niskim zapotrzebowaniu na energię do tworzenia zdumiewających projektów. Ta książka jest przystępnym wprowadzeniem do skomplikowanego świata, w którym za pomocą techniki TinyML wdraża się głębokie uczenie maszynowe w systemach wbudowanych. Nie musisz mieć żadnego doświadczenia z zakresu uczenia maszynowego czy pracy z mikrokontrolerami. W książce wyjaśniono, jak można trenować modele na tyle małe, by mogły działać w każdym środowisku - również Arduino. Dokładnie opisano sposoby użycia techniki TinyML w tworzeniu systemów wbudowanych opartych na zastosowaniu ucze nia maszynowego. Zaprezentowano też kilka ciekawych projektów, na przykład dotyczący budowy urządzenia rozpoznającego mowę, magicznej różdżki reagującej na gesty, a także rozszerzenia możliwości kamery o wykrywanie ludzi. W książce między innymi: praca z Arduino i innymi mikrokontrolerami o niskim poborze mocy podstawy uczenia maszynowego, budowy i treningu modeli TensorFlow Lite i zestaw narzędzi Google dla TinyML bezpieczeństwo i ochrona prywatności w aplikacji optymalizacja modelu tworzenie modeli do interpretacji różnego rodzaju danych Ograniczone zasoby? Poznaj TinyML!

## Wydania

### TinyML. Wykorzystanie TensorFlow Lite do uczenia maszynowego na Arduino i innych mikrokontrolerach

- Wydawnictwo: Helion
- ISBN: 978-83-2838-362-3
- Liczba stron: 432
- Data wydania: 2022-02-15
- Język: pl_PL