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.