4.8
звезд
Оценки: 479

Shawn Hymel и еще 1 преподаватель

26 657 уже зарегистрированы

от партнера

Introduction to Embedded Machine Learning

Edge Impulse

Об этом курсе

Недавно просмотрено: 52 734

Machine learning (ML) allows us to teach computers to make predictions and decisions based on data and learn from experiences. In recent years, incredible optimizations have been made to machine learning algorithms, software frameworks, and embedded hardware. Thanks to this, running deep neural networks and other complex machine learning algorithms is possible on low-power devices like microcontrollers.
This course will give you a broad overview of how machine learning works, how to train neural networks, and how to deploy those networks to microcontrollers, which is known as embedded machine learning or TinyML. You do not need any prior machine learning knowledge to take this course. Familiarity with Arduino and microcontrollers is advised to understand some topics as well as to tackle the projects. Some math (reading plots, arithmetic, algebra) is also required for quizzes and projects.

We will cover the concepts and vocabulary necessary to understand the fundamentals of machine learning as well as provide demonstrations and projects to give you hands-on experience.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Средний уровень

Some math (reading plots, arithmetic, and algebra) is required in the course. Recommended to have experience with embedded systems (e.g. Arduino).

Прибл. 17 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Чему вы научитесь

The basics of a machine learning system
How to deploy a machine learning model to a microcontroller
How to use machine learning to make decisions and predictions in an embedded system

Приобретаемые навыки

Arduino
Machine Learning
Embedded System Design
Microcontroller
Computer Programming

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Средний уровень

Some math (reading plots, arithmetic, and algebra) is required in the course. Recommended to have experience with embedded systems (e.g. Arduino).

Прибл. 17 часов на выполнение

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Преподаватели

Оценка преподавателя

4,83/5 (оценок: 209)

Shawn Hymel

Instructor

33 385 учащихся

2 курса

Alexander Fred-Ojala

26 657 учащихся

1 курс

от партнера

Edge Impulse

Edge Impulse is the leading development platform for machine learning on edge devices, free for developers and trusted by enterprises. Founded in 2019 by Zach Shelby and Jan Jongboom, we are on a mission to enable developers to create the next generation of intelligent devices. We believe that machine learning can enable positive change in society, and we are dedicated to support applications for good.

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Подробнее о Coursera для бизнеса

Программа курса: что вы изучите

Оценка контента96%(1,748 оценки)

Неделя

Неделя 1

6 ч. на завершение

Introduction to Machine Learning

In this module, we will introduce the concept of machine learning, how it can be used to solve problems, and its limitations. We will also cover how machine learning on embedded systems, such as single board computers and microcontrollers, can be effectively used to solve problems and create new types of computer interfaces. Then, we will introduce the Edge Impulse tool and collect motion data for a "magic wand" demo. Finally, we will examine the various features that can be calculated from this raw motion data, including root mean square (RMS), Fourier transform, and power spectral density (PSD).

6 ч. на завершение

13 видео ((всего 107 мин.)), 14 материалов для самостоятельного изучения, 5 тестов

13 видео

Welcome to the Course4мин

Instructor Introductions3мин

What is Machine Learning?15мин

Limitations and Ethics of Machine Learning12мин

Machine Learning on Embedded Devices5мин

Machine Learning Specific Hardware13мин

Machine Learning Software Frameworks7мин

Getting Started with Edge Impulse6мин

Data Collection14мин

Feature Extraction from Motion Data10мин

Feature Selection in Edge Impulse4мин

Machine Learning Pipeline6мин

Review of Module 12мин

14 материалов для самостоятельного изучения

Syllabus5мин

Required Hardware5мин

Getting Help2мин

Slides10мин

Limitations of Machine Learning15мин

Slides10мин

Machine Learning on Microcontrollers5мин

Slides10мин

Edge Impulse CLI Installation Troubleshooting10мин

What Makes a Good Dataset5мин

Slides10мин

Feature Selection and Extraction5мин

Slides10мин

5 практических упражнений

Machine Learning and Limitations15мин

Embedded Machine Learning15мин

Data Collection15мин

Feature Extraction15мин

Machine Learning Overview30мин

Неделя

Неделя 2

6 ч. на завершение

Introduction to Neural Networks

In this module, we will look at how neural networks work, how to train them, and how to use them to perform inference in an embedded system. We will continue the previous demo of creating a motion classification system using motion data collected from a smartphone or Arduino board. Finally, we will challenge you with a new motion classification project where you will have the opportunity to implement the concepts learning in this module and the previous module.

6 ч. на завершение

10 видео ((всего 77 мин.)), 10 материалов для самостоятельного изучения, 5 тестов

10 видео

Introduction to Neural Networks15мин

Model Training in Edge Impulse7мин

How to Evaluate a Model10мин

Underfitting and Overfitting6мин

How to Use a Model for Inference6мин

Testing Inference with a Smartphone3мин

How to Deploy a Trained Model to Arduino9мин

Anomaly Detection8мин

Industrial Embedded Machine Learning Demo4мин

Module Review3мин

10 материалов для самостоятельного изучения

Neural Networks and Training5мин

Slides10мин

Evaluation, Underfitting, and Overfitting5мин

Slides10мин

Using a Model for Inference5мин

Slides10мин

Anomaly Detection5мин

Slides10мин

Project - Motion Detection2ч

Slides10мин

5 практических упражнений

Neural Networks and Training15мин

Evaluation, Underfitting, and Overfitting15мин

Deploy Model to Embedded System15мин

Anomaly Detection5мин

Motion Classification and Anomaly Detection30мин

Неделя

Неделя 3

6 ч. на завершение

Audio classification and Keyword Spotting

In this module, we cover audio classification on embedded systems. Specifically, we will go over the basics of extracting mel-frequency cepstral coefficients (MFCCs) as features from recorded audio, training a convolutional neural network (CNN) and deploying that neural network to a microcontroller. Additionally, we dive into some of the implementation strategies on embedded systems and talk about how machine learning compares to sensor fusion.

6 ч. на завершение

9 видео ((всего 75 мин.)), 7 материалов для самостоятельного изучения, 4 тестов

9 видео

Introduction to Audio Classification7мин

Audio Data Capture11мин

Audio Feature Extraction10мин

Introduction to Convolutional Neural Networks11мин

Modifying the Neural Network10мин

Deploy Keyword Spotting System6мин

Implementation Strategies10мин

Sensor Fusion3мин

Conclusion2мин

7 материалов для самостоятельного изучения

Sample Rate and Bit Depth5мин

Slides10мин

MFCCs and CNNs5мин

Slides10мин

Implementation Strategies and Sensor Fusion5мин

Slides10мин

Project - Sound Classification2ч

4 практических упражнения

Audio Classification and Sampling Audio Signals10мин

MFCCs and CNNs15мин

Implementation Strategies15мин

Audio Classification30мин

Рецензии

4.8

Рецензии: 123

5 stars
81,87 %
4 stars
16,25 %
3 stars
1,66 %
1 star
0,20 %

Лучшие отзывы о курсе INTRODUCTION TO EMBEDDED MACHINE LEARNING

от партнера AP19 апр. 2022 г.

i like the way course is designed.

i tried all project explained in course without re-viewing cource material.

от партнера JB16 мая 2022 г.

This is an excellent course taught by the best Teachers on AI. I enjoyed the course and learnt from scratch about AI, ML, NN and deep learning.

от партнера IJ16 авг. 2021 г.

wonderful course for those who wish to begin their machine learning / embedded device journey.

Highly recommended

от партнера TN14 мар. 2021 г.

The videos and supplemental materials were well-presented and very useful. The hands-on projects were the best for learning practical use of the concepts.

Посмотреть все отзывы

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.
Do I need to buy hardware to take this course?
No hardware is required to complete the course. However, we recommend purchasing an Arduino Nano 33 BLE Sense in order to do the optional projects. Links to sites that sell the board will be provided in the course.
What prior knowledge do I need?
We recommend having some experience with embedded systems (such as programming an Arduino board or other microcontroller) and familiarity with the C/C++ language(s). No prior machine learning knowledge is required (but if you do have some, this course might be a good review). You will be required to use some math (reading plots, arithmetic, and algebra) to complete the quizzes and projects.

Остались вопросы? Посетите Центр поддержки учащихся.

Обучайте сотрудников и добивайтесь отличных результатов в бизнесе

Откройте для себя Coursera для бизнеса

Introduction to Embedded Machine Learning

Introduction to Embedded Machine Learning

Об этом курсе

Чему вы научитесь

Приобретаемые навыки