Da KI rasant in den Edge-Bereich vordringt und die Nachfrage nach intelligenten Edge-Geräten sprunghaft ansteigt, wird von Entwicklern erwartet, dass sie schneller reagieren. Sie haben jedoch Schwierigkeiten, leistungsstarke Modelle an winzige Mikrocontroller anzupassen und müssen sich intensiv damit auseinandersetzen. ADI hat diesen Bedarf erkannt und gemeinsam mit anderen Unternehmen AutoML for Embedded entwickelt, um Edge-KI für alle zugänglich, effizient und skalierbar zu machen.
AutoML for Embedded vereinfacht den Prozess durch die Automatisierung des maschinellen Lernens von Anfang bis Ende und ermöglicht es Entwicklern ohne Data-Science-Kenntnisse, effiziente und qualitativ hochwertige Modelle mit robuster Performance zu erstellen. In einer kürzlich durchgeführten Demonstration wurde das Tool zur Erstellung eines Anomalieerkennungsmodells für Zeitreihen-Sensordaten auf dem ADI MAX32690 Mikrocontroller eingesetzt. Das Modell wurde sowohl auf der physischen Hardware als auch auf seinem digitalen Zwilling in der Renode-Simulation implementiert und demonstrierte so die nahtlose Integration und Echtzeit-Performanceüberwachung.
