VIAピクセット(VIA Pixetto): AIおよび機械学習教育プロジェクト向けのビジョンセンサー

Compatible con Arduino, Raspberry Pi y micro:bit, este sistema se compone de modelos de reconocimiento preintegrados, bloques de código y una plataforma Accelerated Machine Learning online.

会社概要 VIA Technologies, empresa representada en España y Portugal por アナトロニック, tiene disponible el sensor de visión VIA Pixetto, una plataforma intuitiva para proporcionar conocimientos de inteligencia artificial (人工知能) y aprendizaje automático (ML) a los alumnos de educación secundaria.

VIA Pixetto incorpora un conjunto de herramientas que ayudan a los estudiantes a comprender los principios básicos y las tecnologías de IA y ML, para aplicarlos en sus proyectos de visión artificial y robótica (ver cuadro adjunto).

Las características de hardware de VIA Pixetto incluyen un sensor de visión Full HD, un puerto Micro USB 2.0, una ranura de tarjeta Micro SD, un micrófono y un conector Grove para tarjetas y periféricos Arduino, Raspberry Pi y micro:bit.

リチャード・ブラウン, VPの. de marketing internacional de VIA Technologies, señala que “como la inteligencia artificial y el aprendizaje automático proliferan en todos los aspectos de nuestro día a día, es esencial que los centros educativos proporcionen a sus estudiantes el conocimiento teórico y práctico de estas tecnologías emergentes”.

だからこそ、, el desarrollo de VIA Pixetto “responde a esta necesidad, con una plataforma intuitiva que permite a los alumnos aprender los principios básicos de IA y ML y explorar sus aplicaciones potenciales al crear sus propios proyectos”, により.

Herramientas integradas

Modelos de reconocimiento (preintegrados) de objeto, forma, color, expresión y escritura que los alumnos pueden usar a la hora de configurar el sensor de visión.

Bloques de código para ‘principiantes’ integrados con la plataforma Scratch para enseñar a los estudiantes una programación básica.

Plataforma Accelerated Machine Learning online para ayudar en la creación de nuevos modelos en los proyectos educativos.

Soporte de código avanzado utilizando Python y TensorFlow Lite.