Embedded AI for Industry
Oeps, kom jij van de nieuwsbrief van april 2023 op deze pagina terecht? We hebben per ongeluk naar de editie van 2022 gelinkt. Hier vind je Summer School 2023 "Embedded AI for Industry"
Tijdens deze exclusieve summer school bekijken we hoe je machine en deep learning kan toepassen op device niveau. Welke componenten en frameworks zijn er nodig voor edge processing? Zowel hardware als software komen aan bod, er is veel ruimte om te experimenteren onder begeleiding van experten en de brug te maken naar een eigen business case. Na de driedaagse heb je een solide theoretische basis wat betreft embedded AI, aangevuld met praktische tools om te gebruiken in je eigen werkcontext.
Praktische info:
Inschrijven?
- Voorwaarden: Gezien het gespecialiseerde karakter van de summer school is het aangewezen om noties te hebben van datastructuren en algoritmes, signaalprocessing, Convolutional Neural Networks, programmeertalen C++/Python/Linux (command line instructies).
- Prijs: €1195
Georganiseerd door:
Oeps
We hebben per ongeluk naar de editie van 2022 in de nieuwsbrief van april 2023 gelinkt 👇
Hier ga je naar de summer school van 2023 ➡ Summer School 2023 "Embedded AI for Industry"
Programma
Woensdag 14 september 2022
We starten met een inleidende sessie die de context schetst voor de rest van de summer school. We bespreken de taken waarvoor machine learning en deep learning een oplossing kunnen bieden en doorlopen de verschillende stappen in de machine learning workflow. Vervolgens zoomen we in op embedded machine learning, inclusief de beperkingen om mee rekening te houden, en de mogelijke strategieën om deze te overbruggen. Er is ruimte voor use cases en pitches vanuit je eigen organisatie.
Docent: Prof. dr. Mathias Verbeke
In de namiddag werk je een use case uit aan de hand van de tool “Edge Impulse”. Deze tool vergt weinig of geen programmeerervaring en is breed toepasbaar om snel een neuraal netwerk te trainen en het resultaat op een microcontroller of ander edge toestel te plaatsen. In dit voorbeeld zullen geschreven letters of tekens onderscheiden worden aan de hand van een getraind netwerk, met behulp van een microcontroller met accelerometer bevestigd aan een balpen.
Docent: Dr. Jonas Lannoo
“ We moeten erover waken dat de kloof tussen de zeer geavanceerde algoritmes van grote bedrijven en de technieken die kmo's kunnen inzetten, niet té groot wordt. Ook daar kan deze summer school helpen, door goede guidelines en methodieken aan te reiken. Daarnaast zijn dit soort opleidingen ideale momenten om te netwerken en eventueel mooie gezamenlijke projecten of interessante kruisbestuivingen op te zetten.” ”
Donderdag 15 september 2022
In deze opleidingsdag bekijken we hoe we convolutionele neurale netwerken kunnen optimaliseren, zodat ze op kleine embedded edge platforms vlot kunnen uitgevoerd worden. We bekijken weight en activation quantisation, layer fusion en pruning. In de hands-on sessies gebruiken we Tensorflow Lite, waarmee we een computervisietoepassing optimaliseren en implementeren op een ESP-EYE microcontroller.
In de voormiddag krijg je eerst een introductie tot TensorFlow Lite aan de hand van een toy example. Daarna volgt een theoretische benadering van hardware-friendly neural networks. De namiddag bestaat uit een hands-on workshop waarbij je aan een optimalisatie van een computervisietoepassing werkt.
Docenten: Prof. dr. Toon Goedemé en Prof. dr. Peter Karsmakers
Vrijdag 16 september 2022
We kijken in de voormiddag naar hoe neurale netwerken, en met name CNNs, ingezet kunnen worden op FPGA’s: Field-Programmable Gate Arrays. De netwerken kunnen dan tegen hoge snelheden ingezet worden, rechtstreeks ingebed met alle andere functionaliteit die nodig is voor een toepassing. In het praktische luik stellen we enkele open source en algemeen beschikbare bibliotheken voor die de vertaling van neuraal netwerk naar hardware faciliteren. Concreet gaan we dan aan de slag met een tool, en proberen we CNNs die gebruikt worden voor netwerkbeveiliging te versnellen op FPGA.
Docenten: Prof. dr. Nele Mentens en Drs. Laurens Le Jeune
In de namiddag staat gedistribueerd werken met artificiële intelligentie centraal.
Als slot van de summer school pitch je opnieuw je business case en geef je aan hoe je die zou aanpakken met de lessons learned tijdens de driedaagse. We sluiten feestelijk af met een netwerkreceptie.
Docent: Prof. dr. Hans Hallez
Lesgevers / sprekers
Toon Goedemé
Toon Goedemé studied electrical engineering at KU Leuven. He received the Ph.D. degree in vision-based topological navigation from KU Leuven, in December 2006, under the guidance of Prof. L. Van Gool and T. Tuytelaars. Afterwards, he started teaching at the Technical University De Nayer, Sint-Katelijne-Waver, where he founded his research group Embedded and Artificially Intelligent Vision Engineering (EAVISE), in 2008. Nowadays, his group is integrated in the KU Leuven and consists of three professors (Joost Vennekens, Patrick Vandewalle, and himself), four postdocs and about 20 researchers, playing a vital role in the transfer of computer vision and AI know-how from academic research towards the industry. Since 2014, he has been an Associate Professor with KU Leuven. He is the (co)author of more than 190 international publications and was a project leader of more than 75 industrially co-founded research projects. Together with his team, he won several awards, such as the Best Paper Award at Embedded Vision Workshop CVPR 2015, the Best Demo Award at BNAIC 2015, the Best Paper Award at CGVCVIP 2016, the Willy Asselman Award for research achievements in 2016, and the Best Paper Award at Embedded Vision Workshop ECCV 2020. He is also an Associate Editor of the IET Computer Vision journal and the MDPI Journal of Imaging.
Peter Karsmakers
Dr. Peter Karsmakers behaalde het M.Sc. diploma in artificiële intelligentie in 2004 en het PhD diploma aan het departement Electrical Engineering, KU Leuven, in 2010. Van 2010 tot 2013 was hij postdoctoraal onderzoeker in het MOBILAB-onderzoeksteam van Thomas More. Van 2013 tot 2018 werkte hij als postdoctoraal onderzoeker aan de KU Leuven waar hij het ADVISE onderzoeksteam mee oprichtte. Momenteel is hij een Associate Professor binnen het departement Computerwetenschappen in de afdeling DTAI aan de KU Leuven en is hij lid van het Leuven.AI instituut. Sinds 2022 is hij PI van Flanders Make@KU Leuven. Zijn onderzoeksinteresses omvatten het ontwerpen van machine learning algorithm die rekening houden met toepassingsspecifieke beperkingen. Deze kunnen bijvoorbeeld betrekking hebben op het computerplatform waarop het machine learning algorithm zal worden ingezet, aan de behoefte van fysieke consistentie tussen modelvariabelen, aan het gebrek aan data annotatie of aan andere toepassingsgerelateerde specificaties. Hij werkte aan diverse projecten, meestal in samenwerking met industriële partners, waarbij zowel mensen als machines worden bewaakt met behulp van sensoren zoals microfoons, versnellingsmeters en radars.
Hans Hallez
Hans Hallez is a lecturer (Docent) of physics and informatics to 1st year (freshmen) academic bachelor Industrial Engineering students. This is within the faculty of Industrial Engineering (FIIW) of the KU Leuven (TechnologyCampus Oostende). In the final master year, he also teaches "optoelectronic communication" to electronic engineering students.
His research interests are within electronic implementation for medical and industrial applications. More specifically his interest lies in the implementation of signal-processing algorithms within programmable wireless sensor networks. He is also interested in new sensors and measurement techniques.
Hallez is proficient in conducting research concerning electronics, physics and ICT with medical applications. From the more fundamental research on EEG and ECG signal processing at the UGent, he's gone to research on a demand-driven and practical basis at KU Leuven. There he is responsible for teaching and conducting research.
Mathias Verbeke
Mathias Verbeke is als professor Artificiële Intelligentie verbonden aan de Faculteit Industriële Ingenieurswetenschappen van KU Leuven. Op de campus in Brugge maakt hij deel uit van de Mechatronics Group (M-Group), een interdisciplinaire onderzoeksgroep die expertise verzamelt op vlak van intelligente, betrouwbare en geconnecteerde mechatronische systemen. Hij focust er op de uitdagingen die gepaard gaan met de industriële toepassing van artificiële intelligentie. Mathias is verder ook verbonden aan Flanders Make, het strategisch onderzoekscentrum voor de maakindustrie, en Leuven.AI, het KU Leuven Instituut voor Artificiële Intelligentie.
Jonas Lannoo
PhD, Innovation Manager Mechatronics at University College VIVES, Senior Researcher in research group IoT, Mechatronics and Robotics, TinyML Teacher and Researcher, Bruges.
Nele Mentens
Professor at Leiden University and KU Leuven
Laurens Le Jeune
Security & Data Scientist
Gerelateerde opleidingen
Preparation for AI: From Raw Data to Reliable Models
Workshop - Brugge - PUC KU Leuven Continue & VAIA
AI Lifecycle Management: MLOps in Practice
Opleiding - Brugge - KU Leuven PUC Continue en VAIA