{"id":14475,"date":"2025-07-17T12:09:27","date_gmt":"2025-07-17T10:09:27","guid":{"rendered":"https:\/\/www.shincommunication.com\/?p=14475"},"modified":"2025-08-25T22:14:20","modified_gmt":"2025-08-25T20:14:20","slug":"auto-ml-open-source-da-adi","status":"publish","type":"post","link":"https:\/\/www.shincommunication.com\/fr\/auto-ml-open-source-da-adi\/","title":{"rendered":"Auto ML open source da ADI"},"content":{"rendered":"

 <\/p>\n

 <\/p>\n

Accelerare l’Innovazione AI all’Edge: ora \u00e8 disponibile l\u2019AutoML Open Source per i dispositivi embedded<\/em><\/p>\n

L’intelligenza artificiale si sta rapidamente spostando verso l’edge, con un\u2019impennata nella domanda per i dispositivi intelligenti. Tuttavia, molti sviluppatori faticano ancora a integrare modelli potenti all\u2019interno di microcontroller di piccole dimensioni: si trovano dover soddisfare requisiti come una curva di apprendimento ripida, gestire la pre-elaborazione dei dati, la selezione del modello, la sintonizzazione degli iperparametri e le ottimizzazioni specifiche dell’hardware.<\/p>\n

La buona notizia \u00e8 che oggi \u00e8 possibile realizzare e distribuire modelli di machine learning robusti e ad alta intensit\u00e0 di risorse su dispositivi edge come microcontroller e altre piattaforme con risorse limitate, senza dover lottare con codici complessi o vincoli posti dall\u2019hardware.<\/p>\n

AutoML for Embedded \u00e8 un plugin sviluppato congiuntamente da Analog Devices, Inc. (ADI) e Antmicro, ed \u00e8 ora disponibile come parte del framework Kenning, una piattaforma open-source e agnostica dall’hardware in grado di ottimizzare, valutare e implementare modelli AI su dispositivi edge. AutoML for Embedded \u00e8 stato creato per rendere l’AI all’edge accessibile, efficiente e scalabile per tutti, dagli ingegneri embedded ai data scientist.<\/p>\n

AutoML for Embedded cambia le regole del gioco, automatizzando la pipeline di machine learning end-to-end e consentendo agli sviluppatori meno esperti di costruire modelli di alta qualit\u00e0 mentre aiuta gli specialisti ad accelerare la sperimentazione. Il risultato \u00c8 quello di ottenere modelli leggeri ed efficienti che offrono prestazioni robuste, senza superare i limiti del proprio dispositivo.<\/p>\n

Integrazione perfetta con CodeFusion Studio\u2122 e Hardware ADI<\/strong><\/h3>\n

AutoML for Embedded \u00e8 un plugin per Visual Studio Code basato sulla libreria Kenning e si integra con CodeFusion Studio\u2122 e supporta:<\/p>\n