TinyML

TinyML (abreviatura de tiny machine learning ) es un área del aprendizaje automático que se centra en implementar y ejecutar modelos en sistemas embebidos de bajo consumo y con recursos limitados, como microcontroladores y dispositivos de borde . ^{[ 1 ] [ 2 ] [ 3 ] [ 4 ]}

TinyML admite inferencia en el dispositivo con baja latencia y mínima dependencia de la conectividad en la nube, lo que lo hace adecuado para aplicaciones en el Internet de las cosas (IoT), dispositivos portátiles y sistemas en tiempo real. ^{[ 5 ]}

La idea de ejecutar modelos de aprendizaje automático en sistemas embebidos ganó terreno a finales de la década de 2010, a medida que progresaban la compresión de modelos , la cuantización y las arquitecturas de redes neuronales eficientes . ^{[ 6 ]}

El término TinyML se popularizó en 2019 con la publicación del libro TinyML de Pete Warden y Daniel Situnayake y la creación de la Fundación TinyML. ^{[ 1 ]}

• computación de borde
• Inteligencia artificial

Warden, Pete; Situnayake, Daniel (2020). TinyML: aprendizaje automático con TensorFlow Lite en Arduino y microcontroladores de ultrabajo consumo (1.ª  ed.). Pekín, Boston, Farnham, Sebastopol, Tokio: O'Reilly. ISBN 978-1-4920-5204-3.