Use este identificador para citar ou linkar para este item:
https://repositorio.ufba.br/handle/ri/39091
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Silva, Maurício Taffarel Barreto | - |
dc.date.accessioned | 2024-02-27T12:15:17Z | - |
dc.date.available | 2024-02-27T12:15:17Z | - |
dc.date.issued | 2023-12-15 | - |
dc.identifier.uri | https://repositorio.ufba.br/handle/ri/39091 | - |
dc.description.abstract | The TinyML technique refers to the set of approaches that enable the implementation of machine learning algorithms on devices with restricted computational resources and memory capacity, such as embedded systems. This work addressed two ways to implement such techniques as optimizations and model compression, exploring different technologies. Additionally, specific details related to this approach to TinyML in the development process were presented, with an emphasis on portability and scalability. The evaluation of the proposed solution will allow analyzing the impact and effectiveness of using TinyML in implementing machine learning systems on microcontrollers with limited resources. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Bahia | pt_BR |
dc.rights | CC0 1.0 Universal | * |
dc.rights.uri | http://creativecommons.org/publicdomain/zero/1.0/ | * |
dc.subject | Machine Learning | pt_BR |
dc.subject | TinyML | pt_BR |
dc.subject | Sistemas embarcados | pt_BR |
dc.subject | inteligência artificial | pt_BR |
dc.subject.other | Embedded systems | pt_BR |
dc.subject.other | Artificial intelligence | pt_BR |
dc.title | Aprendizado de máquina em microcontroladores utilizando TinyML: exploração, otimização e portabilidade | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA | pt_BR |
dc.contributor.advisor1 | Farias, Paulo César Machado de Abreu | - |
dc.contributor.advisor1ID | https://orcid.org/0000-0002-8423-4933 | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3634406581405128 | pt_BR |
dc.creator.ID | https://orcid.org/0000-0002-8793-7896 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/3414869169087549 | pt_BR |
dc.description.resumo | A técnica TinyML refere-se ao conjunto de abordagens que viabilizam a implementação de algoritmos de aprendizado de máquina em dispositivos com recursos computacionais e capacidade de memória restritos, como sistemas embarcados. Este trabalho abordou duas maneiras de implementar tais técnicas como otimização e compactação de modelos, explorando diferentes tecnologias. Além disso, foram apresentados detalhes específicos relacionados a essa abordagem do TinyML no processo de desenvolvimento, com ênfase na portabilidade e escalabilidade. A avaliação da solução proposta permitirá analisar o impacto e a eficácia do uso do TinyML na implementação de sistemas de aprendizado de máquina em microcontroladores com recursos limitados. | pt_BR |
dc.publisher.department | Escola Politécnica | pt_BR |
dc.type.degree | Bacharelado | pt_BR |
dc.publisher.course | ENGENHARIA ELÉTRICA | pt_BR |
Aparece nas coleções: | Trabalho de Conclusão de Curso (Graduação) - Engenharia Elétrica (Escola Politécnica) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Trabalho_de_Conclusão_de_Curso_FINAL_assinado-1-5.pdf | 2,48 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons