將機器學習演算法應用於物聯網邊緣裝置，可促成一系列的新型應用，如語音辨識、影像辨識、醫療診斷或自動化機器人。 為使軟體開發更簡單、更有效率，Arm 為機器學習應用提供了豐富的硬體 IP 和工具，透過多元化的解決方案，與生態系夥伴相輔相成。Arm 擁有眾多人工智慧合作夥伴，例如優化的機器學習模組、MLOps 和開發板等。 此議程將針對希望使用微控制器和 Ethos-U NPU 的嵌入式開發人員，說明機器學習作業系統如何實現創新應用。資訊科學家將了解如何針對具有 Helium 擴充程式的 Cortex-M 處理器或 Ethos-U NPU 等不同目標系統，來優化機器學習模型。