A medida que la IA avanza rápidamente hacia el borde y se dispara la demanda de dispositivos inteligentes de borde, se espera que los desarrolladores actúen con mayor rapidez. Sin embargo, tienen dificultades para adaptar modelos potentes a microcontroladores diminutos y se enfrentan a una curva de aprendizaje muy pronunciada. Consciente de esta necesidad, ADI ha desarrollado conjuntamente AutoML for Embedded para que la IA periférica sea accesible, eficiente y escalable para todos.
AutoML for Embedded simplifica el proceso automatizando el proceso de aprendizaje automático de principio a fin, lo que permite a los desarrolladores sin conocimientos de ciencia de datos crear modelos eficientes y de alta calidad que ofrecen un rendimiento sólido. En una demostración reciente, la herramienta se utilizó para crear un modelo de detección de anomalías para datos sensoriales de series temporales en el MCU ADI MAX32690. El modelo se implementó tanto en hardware físico como en su gemelo digital en la simulación Renode, lo que demostró una integración perfecta y una supervisión del rendimiento en tiempo real.
