1. Universidade Federal da Bahia
  2. Escola Politécnica
  3. Trabalho de Conclusão de Curso (Graduação) - Engenharia Elétrica (Escola Politécnica)
Use este identificador para citar ou linkar para este item: https://repositorio.ufba.br/handle/ri/39091
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Maurício Taffarel Barreto-
dc.date.accessioned2024-02-27T12:15:17Z-
dc.date.available2024-02-27T12:15:17Z-
dc.date.issued2023-12-15-
dc.identifier.urihttps://repositorio.ufba.br/handle/ri/39091-
dc.description.abstractThe 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.languageporpt_BR
dc.publisherUniversidade Federal da Bahiapt_BR
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectMachine Learningpt_BR
dc.subjectTinyMLpt_BR
dc.subjectSistemas embarcadospt_BR
dc.subjectinteligência artificialpt_BR
dc.subject.otherEmbedded systemspt_BR
dc.subject.otherArtificial intelligencept_BR
dc.titleAprendizado de máquina em microcontroladores utilizando TinyML: exploração, otimização e portabilidadept_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.publisher.initialsUFBApt_BR
dc.publisher.countryBrasilpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.contributor.advisor1Farias, Paulo César Machado de Abreu-
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-8423-4933pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3634406581405128pt_BR
dc.creator.IDhttps://orcid.org/0000-0002-8793-7896pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/3414869169087549pt_BR
dc.description.resumoA 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.departmentEscola Politécnicapt_BR
dc.type.degreeBachareladopt_BR
dc.publisher.courseENGENHARIA ELÉTRICApt_BR
Aparece nas coleções:Trabalho de Conclusão de Curso (Graduação) - Engenharia Elétrica (Escola Politécnica)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Trabalho_de_Conclusão_de_Curso_FINAL_assinado-1-5.pdf2,48 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons