Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
0 9 2024 Elektronik 37 Mikrocontroller unD Prozessoren Markt kommen basieren auf der Hardware und Firmware die in Entwicklungskits für Embedded-Systeme enthalten sind – und auf Treibern Softwaremodulen und Algorithmen die darauf laufen Der Raspberry Pi 4 Model Bbasiert zum Beispiel auf dem BCM2711 von Broadcom einem Quad-Core Cortex-A72 64-Bit-SoC getaktet mit 1 5 GHz Hinzu kommt eine VideoCore-VI-GPU von Broadcom und 1 2 4 GB LPDDR4-RAM Damit steht eine Rechenleistung von 13 5 bis 32 GFLOPS bereit Bei der Entwicklung lohnt es sich allerdings Zeit in die Recherche der in den Entwicklungskits verwendeten Bauelemente zu investieren Denn es kann durchaus von Vorteil sein die endgültige Anwendung mit denselben Bausteinen zu erstellen wie die anfängliche Entwicklung Erfordert die ML-Anwendung beispielsweise Embedded-Bildverarbeitung eignen sich die SoC-FPGAs aus der »PolarFire«-Serie von Microchip ideal für rechenintensive Edge-Vision-Verarbeitung und unterstützen eine Auflösung von bis zu 4k mit Low-12 37-SERDES 8 Datensicherheit Was die Sicherheit betrifft zunächst einmal eine gute Nachricht mit Edge ML werden weit weniger Daten in die Cloud übertragen damit reduziert sich die potenzielle Angriffsfläche für Cyberattacken deutlich Nichtsdestotrotz bringt eine Edge-ML-Implementierung neue Herausforderungen mit sich da alle Edge-Geräte – ob MLfähig oder nicht – nicht mehr über die inhärente Sicherheit der Cloud verfügen und wie jedes andere mit einem Netzwerk verbundene IoT-Gerät oder Embedded-System unabhängig geschützt werden müssen Zu den Sicherheitsüberlegungen gehören ➔ ➔ Wie einfach ist es für Hacker die Daten die eingegeben und oder für das Training verwendet werden oder das ML-Modell zu verändern? ➔ ➔ Wie sicher sind die Daten? Kann auf sie vor der Verschlüsselung zugegriffen werden? Dabei ist zu beachten dass die Schlüssel für die Verschlüsselung an einem sicheren nicht offensichtlichen Ort aufbewahrt werden Bild 2 Der Eingabedatensatz Input Dataset enthält Trainingsdaten Bild Microchip Technology ➔ ➔ Wie sicher ist das Netzwerk? Besteht die Gefahr dass nicht autorisierte Geräte oder scheinbar autorisierte Geräte eine Verbindung herstellen und Schaden anrichten? ➔ ➔ Kann das Edge-ML-Gerät geklont werden? Das erforderliche Maß an Sicherheit hängt von der Anwendung ab könnte sie zum Beispiel sicherheitskritisch sein? und oder von der Art des übergeordneten Systems zu dem das Edge-ML-Gerät gehört 9 Interne Ressourcen sollten überdacht werden Innerhalb eines Entwicklerteams gibt es typischerweise unterschiedliche Grade an MLund KI-Kenntnissen Open-Source-Tools Entwicklungskits und Standarddatensätze bedeuten aber dass Entwickler von Embedded-Systemen kein tiefgreifendes Verständnis von Datenwissenschaften oder neuronalen Netzen für Deep Learning benötigen Wird jedoch eine neue technische Disziplin oder Methode eingeführt oder in Tools investiert kann die für eine Schulung aufgewendete Zeit langfristig zu kürzeren Entwicklungszeiten weniger iterativen Designdurchläufen und einem besseren Output pro Entwickler führen Die Fülle an Onlineinformationen über ML in Form von Tutorials Whitepapers und Webinaren sowie die Tatsache dass auf Fachmessen ML-Seminare und -Workshops angeboten werden bietet viele Möglichkeiten die Fähigkeiten von Entwicklungsteams zu verbessern Zu den formelleren Kursen gehört das Professional Certificate Program in ML and AI des MIT während das Imperial College in London einen Online-Kurs anbietet der ein Modul zur Entwicklung und Verfeinerung von ML-Modellen mit Python und branchenüblichen Tools zur Messung und Verbesserung der Leistungsfähigkeit enthält Es ist definitiv möglich die Fähigkeiten eines Entwicklerteams mit generativen KI-Tools zu erweitern die es Anfängern ermöglichen komplexe Anwendungen zu programmieren Gleichzeitig kann die Erwägung eines ML-Trainings gegenüber direkter Programmierung auch zu kürzeren Entwicklungszeiten weniger Re-Spins und besseren Ergebnissen führen