Saltar a contenido

Contexto

Esta sección responde tres preguntas antes de empezar a estudiar:

  • Hardware y herramientas: qué placas sirven, qué versiones de FINN, hls4ml y frameworks para MCU son compatibles con el equipo disponible, y cómo repartir el trabajo entre máquinas.
  • Líneas de investigación: por qué estas líneas y no "TinyML en general", y dónde están los huecos publicables.
  • Glosario: los términos de aprendizaje automático y de TinyML que vas a ver una y otra vez, explicados desde la ingeniería.

Punto de partida

Tengo Me falta
Aceleradores FPGA para testores y reductos (artículos en Information Sciences, Pattern Recognition Letters, ESWA y en el congreso ReConFig) Fundamentos de aprendizaje automático
Vivado, Vitis, PetaLinux; receptor digital sobre Zynq Herramientas de ML a FPGA (FINN, hls4ml)
ESP32, STM32, Arduino en automatización industrial Frameworks de inferencia para MCU
Combinatoria booleana, matrices básicas, discernibilidad Vocabulario y estado del arte de la comunidad TinyML

La columna de la izquierda es poco común en la comunidad TinyML. La de la derecha se aprende en semanas.