Computer Vision (CV) ist ein faszinierendes Forschungsgebiet, das versucht, den Prozess der Bedeutungszuweisung für digitale Bilder oder Videos zu automatisieren. Mit anderen Worten: Wir helfen Computern dabei, die Welt um uns herum zu sehen und zu verstehen! Eine Reihe von Algorithmen und Techniken des maschinellen Lernens (ML) können zur Erfüllung von CV-Aufgaben eingesetzt werden, und da ML immer schneller und effizienter wird, können wir diese Techniken auf eingebettete Systeme anwenden. Dieser Kurs, der von einer Partnerschaft zwischen Edge Impulse, OpenMV, Seeed Studio und der TinyML Foundation angeboten wird, vermittelt Ihnen ein Verständnis dafür, wie Deep Learning mit neuronalen Netzen zur Klassifizierung von Bildern und zur Erkennung von Objekten in Bildern und Videos eingesetzt werden kann. Sie werden die Möglichkeit haben, diese Modelle des maschinellen Lernens auf eingebetteten Systemen einzusetzen, was als eingebettetes maschinelles Lernen oder TinyML bekannt ist. Vertrautheit mit der Programmiersprache Python und grundlegenden Konzepten des maschinellen Lernens (wie z.B. neuronale Netze, Training, Inferenz und Auswertung) wird empfohlen, um einige Themen zu verstehen und die Projekte abzuschließen. Ein gewisses Maß an Mathematik (Ablesen von Plots, Arithmetik, Algebra) ist für Quiz und Projekte ebenfalls erforderlich. Falls Sie dies noch nicht getan haben, empfehlen wir Ihnen den Kurs "Einführung in das eingebettete maschinelle Lernen". In diesem Kurs werden die Konzepte und das Vokabular behandelt, die notwendig sind, um zu verstehen, wie Faltungsneuronale Netze (CNNs) funktionieren und wie man sie verwendet, um Bilder zu klassifizieren und Objekte zu erkennen. Die praktischen Projekte geben Ihnen die Möglichkeit, Ihre eigenen CNNs zu trainieren und sie auf einem Mikrocontroller und/oder Einplatinencomputer einzusetzen.