机器学习(ML)使我们能够教会计算机根据数据做出预测和决策,并从经验中学习。近年来,机器学习算法、软件框架和嵌入式硬件都得到了惊人的优化。因此,在微控制器等低功耗设备上运行深度神经网络和其他复杂的机器学习算法成为可能。 本课程将为您介绍机器学习的工作原理、如何训练神经网络以及如何将这些网络部署到微控制器上(即嵌入式机器学习或 TinyML)。学习本课程不需要任何机器学习知识。建议您熟悉 Arduino 和微控制器,以便理解某些主题和处理项目。我们将讲解理解机器学习基础所需的概念和词汇,并提供演示和项目,让您亲身体验。


了解顶级公司的员工如何掌握热门技能

该课程共有3个模块
在本模块中,我们将介绍机器学习的概念、如何利用机器学习解决问题以及机器学习的局限性。我们还将介绍如何在单板计算机和微控制器等嵌入式系统上有效利用机器学习来解决问题和创建新型计算机界面。然后,我们将介绍 Edge Impulse 工具,并为 "魔棒 "演示收集运动数据。最后,我们将研究可从这些原始运动数据中计算出的各种特征,包括均方根(RMS)、傅立叶变换和功率谱密度(PSD)。
涵盖的内容
13个视频15篇阅读材料5个作业2个讨论话题
在本模块中,我们将了解神经网络的工作原理、训练方法以及如何在嵌入式系统中使用神经网络进行推理。我们将继续之前的演示,使用从智能手机或 Arduino 板收集的运动数据创建运动分类系统。最后,我们将通过一个新的运动分类项目向您提出挑战,在这个项目中,您将有机会实现本模块和上一模块中学习到的概念。
涵盖的内容
10个视频10篇阅读材料5个作业1个讨论话题
在本模块中,我们将介绍嵌入式系统的音频分类。具体来说,我们将介绍从录制的音频中提取梅尔频率倒频谱系数(MFCC)作为特征、训练卷积神经网络(CNN)以及将该神经网络部署到微控制器的基础知识。此外,我们还深入探讨了嵌入式系统的一些实施策略,并讨论了机器学习与传感器融合的比较。
涵盖的内容
9个视频7篇阅读材料4个作业1个讨论话题1个插件
提供方
从 机器学习 浏览更多内容
- 状态:预览
Duke University
- 状态:预览
Edge Impulse
- 状态:预览
Sungkyunkwan University
- 状态:免费试用
人们为什么选择 Coursera 来帮助自己实现职业发展




学生评论
739 条评论
- 5 stars
81.59%
- 4 stars
16.37%
- 3 stars
1.89%
- 2 stars
0%
- 1 star
0.13%
显示 3/739 个
已于 Aug 18, 2021审阅
Awesome course for beginners. I don't know how much of my background helped make this awesome, but it is awesome.
已于 Sep 23, 2021审阅
Thanks for detailed and well introduced topics, I enjoyed this course. I had prior knowledge in neural networks but this course was awsome for introducting ML for microcontrollers.
已于 Sep 28, 2023审阅
Covers the basics on Embedded ML. The tool from Edge Impulse is a good layer of abstraction for fast development.
常见问题
完成课程不需要硬件。但是,我们建议购买 Arduino Nano 33 BLE Sense,以便完成可选项目。课程中将提供销售该电路板的网站链接。
我们建议您具有一定的嵌入式系统经验(例如 Arduino 板或其他微控制器的编程经验),并熟悉 C/C++ 语言。不要求事先具备机器学习知识(但如果您具备一些知识,本课程可能是一个很好的复习)。您需要使用一些数学知识(读图、算术和代数)来完成测验和项目。
要获取课程资料、作业和证书,您需要在注册课程时购买证书体验。 您可以尝试免费试听,或申请资助。课程可能提供 "完整课程,无证书"。通过该选项,您可以查看所有课程资料,提交必要的评估,并获得最终成绩。这也意味着您无法购买证书体验。
更多问题
提供助学金,