Analog Devices erweitert CodeFusion Studio um AutoML for Embedded. (Quelle: ADI)
Mit der zunehmenden Verlagerung von künstlicher Intelligenz an die Edge und der wachsenden Nachfrage nach intelligenten Edge-Geräten wächst auch der Druck auf Entwickler, innovative Lösungen schneller umzusetzen. Die Integration leistungsfähiger Modelle auf kleinste Mikrocontroller stellt dabei eine erhebliche technische Herausforderung dar – häufig verbunden mit einem hohen Einarbeitungsaufwand. ADI hat diesen Bedarf erkannt und AutoML for Embedded mitentwickelt, um Edge-KI für jeden zugänglicher, effizienter und skalierbarer zu machen.
"AutoML for Embedded vereinfacht den Prozess durch die Automatisierung der gesamten Machine-Learning-Pipeline. So können auch Entwickler ohne Data-Science-Vorkenntnisse qualitativ hochwertige und effiziente Modelle erstellen, die eine robuste Leistung bieten", geben die Experten in einer Meldung an.
ADI verweist auf eine aktuellen Demonstration, bei der mit AutoML for Embedded ein Modell zur Erkennung von Anomalien für sensorbasierte Zeitreihendaten auf dem ADI Mikrocontroller MAX32690 entwickelt wurde. "Das Modell wurde sowohl auf realer Hardware als auch auf einem digitalen Zwilling in der Renode-Simulation eingesetzt – mit nahtloser Integration und Echtzeit-Performanceüberwachung", berichten die Experten weiter.
Weitere Informationen unter AutoML for Embedded.