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。
嵌入式机器学习简介
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
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
81.62%
- 4 stars
16.24%
- 3 stars
1.99%
- 2 stars
0%
- 1 star
0.13%
显示 3/751 个
SJ
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.
MC
已于 Dec 18, 2022审阅
This is a really great course ! I learned a lot, and without digging to much into what all those algorithms do we were able to do amazing things ! Great value !
EL
已于 Feb 27, 2021审阅
A great introduction to tinyML and embedded machine learning using Edge Impulse to get started working on projects immediately.
从 数据科学 浏览更多内容
Edge Impulse
DeepLearning.AI
Duke University
