Machine Learning

Dal concept fino alla definizione, DAVE Embedded Systems è in grado di supportare ed affiancare il cliente nelle scelte e nelle modalità con cui costruire un progetto di Machine Learning. Costruire il modello richiede di capire il problema fisico, di comprendere quale tecnica meglio si adatta e quindi ricercare non solo dei dataset già pronti ma anche come effettuare le fasi successive di training e test per misurare l'accuratezza del modello.

Nel seguito i servizi inclusi nel pacchetto standard. In funzione delle specifiche di progetto la lista può essere modificata di conseguenza:

• Model specification
• Model design based on exhisting techniques
• Dataset research and/or creation
• Dataset artificial generation
• PoC concept for model validation Model deployment strategy definition

DAVE Embedded Systems è in grado di integrare soluzioni Machine Learning su dispositivi edge tenendo in considerazione tutti gli aspetti fondamentali per il corretto deployment sul campo di tali soluzioni. Costruire il dataset attorno ad algoritmi nuovi o pre-allenati, migliorarlo ed accrescerlo anche artificialmente per migliorarne l'apprendimento fino a progettare le procedure di integrazione sull'edge sono parte dei servizi che vengono offerti da DAVE Embedded Systems.

Nel seguito sono elencate le funzionalità tipicamente necessarie per il deployment del modello sull'edge:

• Design of APIs for model integration on embedded system
• MCU and MPU support to Machine Learning accelerator
• Integration of ML algorithms on internal Neural Processing Unit
• FPGA development for NPU acceleration
• External ML engine integration with MPU or MCU architecture
• Solution deployment for mass production integration

I risultati di un algoritmo di Machine Learning possono essere notevolmente migliorati se si costruisce un meccanismo di feedback che possa continuamente ri-allenare l'algoritmo sulla base di nuovi dati. Per poter garantire il miglioramento continuo del modello è necessario conitnuare a raccogliere dati dal campo per essere utilizzati per affinare l'algoritmo stesso e quindi migliorare in modo tangibile i risultati predittivi. DAVE Embedded Systems è in grado di assistere i clienti in questo percorso di implementazione di un sistema retroazionato che si avvale pesantemente dei servizi IoT per essere implementato.

Per un rendimento ottimale delle soluzioni Machine Learning è necessario integrare un sistema di feedback per migliorare continuamente le prestazioni della soluzione stessa:

• Edge design integrating IoT solutions
• Remote update of both Edge system and Machine Learning subsystem
• Remote data collection for dataset expansion
• On-premises machine for continuous model training