I en tid hvor dyp læring blir stadig mer tilgjengelig, setter dette praktiske verket fokus på TinyML, hvor dype læringsmodeller og innebygde systemer møtes for å skape fantastiske muligheter med små enheter. For eksempel kan Google Assistant-teamet gjenkjenne ord ved hjelp av en modell som bare er 14 kilobyte stor - liten nok til å fungere på en mikrocontroller. I denne boken presenterer Pete Warden og Daniel Situnayake hvordan man kan trene modeller som er små nok til å passe inn i ethvert miljø. Boken er ideell for både programvare- og maskinvareutviklere som ønsker å bygge innebygde systemer ved hjelp av maskinlæring. Den tar deg gjennom prosessen med å lage en rekke TinyML-prosjekter, steg-for-steg, uten at du trenger noen forkunnskaper innen maskinlæring eller mikrocontrollere. Du vil lære å bygge en talekjenner, en kamera som kan oppdage mennesker, og en magisk stav som reagerer på bevegelser. I tillegg får du muligheten til å arbeide med Arduino og ultra-lavenergi mikrocontrollere, og lære de grunnleggende prinsippene for maskinlæring og hvordan du kan trene dine modeller.
