SensiML គឺជាឈុតเครื่องมือ Automated Machine Learning (AutoML) ដែលរចនាឡើងជាពិសេសសម្រាប់វិស័យ Internet of Things (IoT) ដោយមានគោលដៅបំលែងទិន្នន័យ სែនស័រឆៅ ទៅជាម៉ូដែលទម្ងន់ស្រាលសម្រាប់ឧបករណ៍ Edge computing។ តាមរយៈเครื่องมือនេះ អ្នកអភិវឌ្ឍន៍មិនចាំបាច់មានចំណេះដឹងស៊ីជម្រៅផ្នែកវិទ្យាសាស្ត្រទិន្នន័យ (Data Science) ក៏អាចដាក់ពង្រាយក្បួនដោះស្រាយស្មុគស្មាញទៅលើHardware ដែលមានធនធានកំណត់ ដើម្បីសម្រេចបានការវិភាគវៃឆ្លាតបែប Real-time។
នេះជាអ្វី និងសមត្ថភាពស្នូល
ស្នូលរបស់ SensiML គឺដំណើរការអភិវឌ្ឍន៍ແບບ End-to-end ដែលអាចគ្រប់គ្រងដោយស្វ័យប្រវត្តិនូវជំហានស្មុគស្មាញដូចជា ការប្រមូលទិន្នន័យ ការដាក់ស្លាក (Labeling) ការធ្វើวิศวกรรมលក្ខណៈ (Feature Engineering) រហូតដល់ការបណ្តុះបណ្តាល និងដាក់ពង្រាយម៉ូដែល។ វេទិកានេះត្រូវបានធ្វើឱ្យប្រសើរឡើងជាពិសេសសម្រាប់ Edge computing ដែលអាចបង្រួមម៉ូដែល Machine Learning ឱ្យមានទំហំកូដតូចបំផុត ដើម្បីធានាថាវាអាចដំណើរការយ៉ាងរលូននៅលើ Microcontrollers (MCU) ដែលមានថាមពលទໍាបំផុត។ កម្មវិធីដែលវាគាំទ្រមានភាពទូលំទូលាយ រួមទាំងការរកឃើញភាពមិនប្រក្រតី ការចាត់ថ្នាក់រំញ័រ និងការសម្គាល់កាយវិការ ដែលអាចចាប់យកគំរូសំខាន់ៗនៅក្នុងទិន្នន័យ სែនស័រយ៉ាងជាក់លាក់។
ដោះស្រាយបញ្ហាអ្វី និងសាកសមសម្រាប់នរណា
សម្រាប់អ្នកអភិវឌ្ឍន៍ IoT ច្រើននាក់ ការដាក់ពង្រាយម៉ូដែល AI ទៅលើ Hardware តែងតែជួបប្រទះនូវបញ្ហាកម្រិតខ្សោយនៃអង្គចងចាំ (Memory) និងប្រសិទ្ធភាពដំណើរការ។ SensiML ដោះស្រាយបានយ៉ាងមានប្រសិទ្ធភាពនូវបញ្ហាប្រឈមដូចជា ម៉ូដែលធំពេក វដ្តអភិវឌ្ឍន៍យូរពេក និងភាពឆបគ្នានៃ Hardware ខ្សោយ។ เครื่องมือនេះសាកសមបំផុតសម្រាប់វិស្វករប្រព័ន្ធ Embedded, ក្រុមអភិវឌ្ឍន៍ផលិតផល IoT និងអ្នកជំនាញដែលចង់ដាក់បញ្ចូលមុខងារថែទាំព្យាករណ៍ (Predictive Maintenance) ឬការសម្គាល់អាកប្បកិរិយានៅក្នុងប្រព័ន្ធត្រួតពិនិត្យឧស្សាហកម្ម ឧបករណ៍ពាក់ជាប់ខ្លួន (Wearables) ឬផលិតផលផ្ទះឆ្លាតវៃ ដែលអាចកាត់បន្ថយពេលវេលាពីគំរូដើមដល់ផលិតកម្មទ្រង់ទ្រាយធំបានយ៉ាងច្រើន។
លក្ខណៈសំខាន់
- វិស្វកម្មលក្ខណៈស្វ័យប្រវត្តិ (Automated Feature Engineering)
- ការបង្រួមម៉ូដែលទម្ងន់ស្រាល
- គាំទ្រវេទិកា Microcontroller ជាច្រើន
- ការរកឃើញភាពមិនប្រក្រតី និងការចាត់ថ្នាក់គំរូ
- ដំណើរការអភិវឌ្ឍន៍បែប End-to-end
គុណសម្បត្តិ
- កាត់បន្ថយឧបសគ្គក្នុងការអភិវឌ្ឍន៍យ៉ាងខ្លាំង
- កូដដែលបានထုတ်មកមានទម្ងន់ស្រាលបំផុត
- កាត់បន្ថយពេលវេលាដាក់លក់ផលិតផលលើទីផ្សារ
គុណវិបត្តិ
- មានតម្រូវការជាក់លាក់លើកម្រិត Hardware
- ត្រូវស្គាល់ពីដំណើរការដោះស្រាយទិន្នន័យ სែនស័រ
ករណីប្រើប្រាស់
- ការថែទាំព្យាករណ៍ឧបករណ៍ឧស្សាហកម្ម
- ការគ្រប់គ្រងកាយវិការលើឧបករណ៍ពាក់ជាប់ខ្លួន
- ការជូនដំណឹងពីភាពមិនប្រក្រតីនៃការត្រួតពិនិត្យបរិស្ថាន
កំណត់ចំណាំអ្នកកែសម្រួល
សម្រាប់អ្នកអភិវឌ្ឍន៍ Edge AI ដែលស្វែងរកប្រសិទ្ធភាពខ្ពស់បំផុត និងទម្ងន់ស្រាល SensiML គឺជាเครื่องมือជំនួយដ៏មានវិជ្ជាជីវៈដែលមិនអាចខ្វះបាន។
សំណួរញឹកញាប់
តើ SensiML គាំទ្រ სែនស័រ ប្រភេទណាខ្លះ?
វាគាំទ្រ სែនស័រ IoT ទូទៅគ្រប់ប្រភេទ ដូចជា Accelerometer, Gyroscope, Microphone និង სែនស័របរិស្ថានជាដើម ដោយអាចจัดการກັບទិន្នន័យ Time-series គ្រប់ប្រភេទ។
តើការប្រើប្រាស់เครื่องมือនេះ តម្រូវឱ្យមានចំណេះដឹងស៊ីជម្រៅផ្នែក Machine Learning ដែរឬទេ?
មិនចាំបាច់ទេ លក្ខណៈពិសេស AutoML របស់ SensiML ត្រូវបានរចនាឡើងដើម្បីសម្រួលដល់ដំណើរការ ដែលអនុញ្ញាតឱ្យវិស្វករ Embedded ສາມາດបញ្ចប់ការបណ្តុះបណ្តាលម៉ូដែលតាមរយៈចំណុចប្រទាក់ងាយយល់។
តើម៉ូដែលដែលបានបង្កើតឡើងអាចដំណើរការដោយផ្ទាល់នៅលើ Microcontroller បានដែរឬទេ?
បាន SensiML ត្រូវបានរចនាឡើងជាពិសេសសម្រាប់ឧបករណ៍ Edge ដោយកូដដែលបានបង្កើតឡើងត្រូវបានធ្វើឱ្យប្រសើរឡើង ដែលអាចដាក់ពង្រាយដោយផ្ទាល់នៅលើ Microcontrollers ដែលមានធនធានកំណត់។
ឧបករណ៍ AI ពាក់ព័ន្ធ
MOVUS
ប្រព័ន្ធ AI តាមដានសុខភាពម៉ាស៊ីនពីប្រទេសអូស្ត្រាលី មិនត្រឹមតែផ្តល់ដំណឹងព្រមានទេ ថែមទាំងប្រាប់អ្នកថាគួរជួសជុលមួយណាមុនគេទៀតផង
Luxonis
កាមេរ៉ាជម្រៅ Edge AI ស៊េរី OAK ដំណើរការកុំព្យូទ័រចក្ខុវិស័យ (Computer Vision) ដោយផ្ទាល់លើឧបករណ៍
Waste Robotics
ប្រព័ន្ធរបៀបរបាយសំណល់ AI ជាមួយបច្ចេកវិទ្យាស្កែន Hyperspectral អាចមើលឃើញភាពខុសគ្នានៃវត្ថុធាតុដែលភ្នែកទទេមើលមិនឃើញ
ZenRobotics
ប្រព័ន្ធរៀបចំកាកសំណល់ដោយមនុស្សយន្តដំបូងគេបង្អស់លើពិភពលោក ដែលអាចសម្គាល់ប្រភេទកាកសំណល់បានជាង ៥០០ ប្រភេទ
Glacier
robot ຈັດຮຽງ AI ក្នុងរោងចັກកែច្នៃ ព្រមទាំងបំប្លែងកាកសំណល់ទៅជាទិន្នន័យដែលអាចវិភាគបាន
Neuron Soundware
ស្តាប់សំឡេងម៉ាស៊ីនដើម្បីដឹងថាវាជិតខូច ប្រើប្រាស់ AI សូរស័ព្ទ (Acoustic AI) សម្រាប់ការថែទាំព្យាករណ៍