机器学习的未来在何方？

最新推荐文章于 2024-08-15 09:11:58 发布

DP29syM41zyGndVF

最新推荐文章于 2024-08-15 09:11:58 发布

阅读量586

点赞数

文章标签：嵌入式大数据编程语言人工智能区块链

本文链接：https://blog.csdn.net/DP29syM41zyGndVF/article/details/117970051

版权

文章探讨了机器学习的未来，特别是TinyML在嵌入式系统中的应用。作者Daniel Situnayake分享了他在谷歌TensorFlow Lite团队的经验，强调了TinyML的潜力，如在野生动物监测、低功耗设备上的智能应用等。他还提到了他的著作《TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra Low Power Microcontrollers》，并推荐了Edge Impulse平台作为学习TinyML的资源。

摘要由CSDN通过智能技术生成

作者 | C.J. Abate(美国)

译者 | 禾沐

Daniel Situnayake是一位创新工程师，他相信机器学习(MachineLearning，ML)是一项具有颠覆性的技术。在采访中Daniel分析了机器学习的潜力，介绍了TinyML及其应用，并分享了他在谷歌的经历。

Daniel Situnayake

在 Edge Impulse创立了TinyML

从学术界过渡到工业界

Abate:让我们从你的背景开始，你是什么时候开始对嵌入式机器学习感兴趣的? 是你在伯明翰城市大学(Birmingham City University，BCU)攻读计算机网络和安全学士学位的时候? 还是你离开大学后?

Situnayake:起初我并没有计划涉足嵌入式机器学习领域，在进入这一领域之前我在不同的领域绕了很大的一圈。从BCU 毕业之后，我在学校担任了一段时间的讲师和顾问，那时我主攻的方向是自动识别和数据抓取，也就是计算机如何识别和处理实体对象———从生物数据(如人脸识别)、RFID、条形码到智能卡。这一段经历让我接触到了未使用机器学习的计算机视觉算法和嵌入式系统。

几次更换工作后，由于一次并购，我加入了一家消费者理财公司新成立的数据科学团队。在这里我第一次接触到了数据科学工具和流程，并学习了如何处理非常庞大的数据集。这些“第一次”的经历对我来说非常有趣。

当我们创立Tiny Farms的时候，我发现我们可以运用数据科学的工具来解读在农业技术场景下嵌入式传感器收集到的数据，并作出反应。后来在谷歌和Tensor-Flow Lite团队的Pete Warden(见图2)和Andy Selle见过面后，我真正洞悉了深度学习在小型设备上的潜力，并将此定为我的主攻方向。

Abate:你是什么时候移居到加州的? 来到加州是为了工作机会吗?

Situnayake:我是2009年移居加州的，金融危机发生后的那一年。在那之前我的理想是驾驶阿帕奇直升机!我花了几年时间通过了成为英国皇家陆军军官学员的心理和身体素质测试，预定于2009年5月开始正式的训练，所以我决定和我最好的朋友到美国来一次“最后的旅行”。

当我们在加州停留的时候，我结识了一位女孩。几个月后，已经在桑德赫斯特接受了几周训练课程的我决定放弃成为一位绅士飞行员，在加州过上舒适自在的生活更适合我。半年后，我就同这位认识不久的女孩结了婚。

不幸的是，这段婚姻并没有持续下去。我留在了加州，从学术界过渡到了工业界。我在洛杉矶的一家人工智能创业公司工作了一段时间，之后搬到了旧金山湾区，正好赶上了2010年之后技术创业的再次爆发，这期间发生了很多事情。