Rückblick Embedded Talk „Deep Learning on Narrow Resources“

Am Freitag, den 10.10.2025  fand an der Friedrich-Alexander-Universität Erlangen-Nürnberg  unser 19. Embedded Talk zum Thema „Deep Learning an Narrow Resources“ statt. Die Veranstaltung, die von etwa 60 Teilnehmenden besucht wurde, bot eine Plattform für Expertinnen und Experten und Forschende aus der Branche, um über aktuelle Entwicklungen und Herausforderungen im Bereich der maschinellen Lernverfahren für Systeme mit beschränkten Ressourcen zu diskutieren. Die Veranstaltung begann mit einem Willkommenswort von Prof. Dr.-Ing. Jürgen Teich, Sprecher des FAU Research Center ESI. Anschließend hielt Prof. Dr. Jian-Jia Chen, TU Dortmund / Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz, eine Keynote-Vorlesung zum Thema „Resource-Aware Machine Learning for Cyber-Physical Systems“. In seiner Präsentation beleuchtete er die Herausforderungen und Möglichkeiten von maschinellen Lernverfahren in Cyber-Physical-Systemen. Im Anschluss präsentierte Mark Deutel, Researcher am Fraunhofer IIS und FAU Erlangen-Nürnberg, seine Forschungsergebnisse zum Thema „On-Device Training of Deep Neural Networks on Cortex-M Microcontrollers“. Er zeigte auf, wie tiefe Neuronale Netze auf Cortex-M-Mikrocontrollern trainiert werden können.

Nach einem kurzen Pausenintermezzo folgte die Präsentation von Jan Seyler, Festo SE & Co. KG, zum Thema „Real-World Challenges of Deploying Embedded AI“. Er beleuchtete die Herausforderungen, die bei der Implementierung von künstlicher Intelligenz in Embedded-Systemen in der Praxis auftreten. Die Veranstaltung schloss mit einer Panel-Diskussion mit allen Referenten und einer Poster-Session, bei der die Teilnehmer die Gelegenheit hatten, sich mit den Referenten und anderen Teilnehmern auszutauschen. Die Veranstaltung war ein großer Erfolg und bot eine wertvolle Plattform für den Austausch von Ideen und Erfahrungen im Bereich der maschinellen Lernverfahren für Cyber-Physical- und Embedded Systems.

Kategorie: Embedded Talk, News Schlagworte: Embedded Talk