Maschinelles Lernen (ML) ermöglicht es uns, Computern beizubringen, Vorhersagen und Entscheidungen auf der Grundlage von Daten zu treffen und aus Erfahrungen zu lernen. In den letzten Jahren wurden die Algorithmen für maschinelles Lernen, die Software-Frameworks und die eingebettete Hardware unglaublich optimiert. Dadurch ist es möglich, tiefe neuronale Netze und andere komplexe Algorithmen des maschinellen Lernens auf stromsparenden Geräten wie Mikrocontrollern auszuführen. Dieser Kurs gibt Ihnen einen umfassenden Überblick darüber, wie maschinelles Lernen funktioniert, wie man neuronale Netze trainiert und wie man diese Netze auf Mikrocontrollern einsetzt, was als eingebettetes maschinelles Lernen oder TinyML bezeichnet wird. Sie benötigen keine Vorkenntnisse im Bereich maschinelles Lernen, um an diesem Kurs teilzunehmen. Vertrautheit mit Arduino und Mikrocontrollern ist ratsam, um einige Themen zu verstehen und die Projekte in Angriff zu nehmen. Ein wenig Mathematik (Ablesen von Plots, Arithmetik, Algebra) ist für die Tests und Projekte ebenfalls erforderlich. Wir werden die Konzepte und das Vokabular behandeln, die für das Verständnis der Grundlagen des maschinellen Lernens erforderlich sind, und Ihnen anhand von Demonstrationen und Projekten praktische Erfahrungen vermitteln.

Einführung in eingebettetes maschinelles Lernen
Sparen Sie mit 40% Rabatt auf 3 Monate Coursera Plus bei den Fähigkeiten, die Sie zum Strahlen bringen. Jetzt sparen

Einführung in eingebettetes maschinelles Lernen
Dieser Kurs ist Teil von Spezialisierung „Kanten-KI für Mikrocontroller“


Dozenten: Shawn Hymel
54.926 bereits angemeldet
Bei enthalten
754 Bewertungen
Empfohlene Erfahrung
Was Sie lernen werden
Die Grundlagen eines maschinellen Lernsystems
Wie man ein Modell für maschinelles Lernen auf einem Mikrocontroller einsetzt
Wie man maschinelles Lernen nutzt, um Entscheidungen und Vorhersagen in einem eingebetteten System zu treffen
Kompetenzen, die Sie erwerben
- Kategorie: Computerprogrammierung
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Bewertung des Modells
- Kategorie: Tiefes Lernen
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Methoden des maschinellen Lernens
- Kategorie: Maschinelles Lernen
- Kategorie: Eingebettete Systeme
- Kategorie: Verantwortungsvolle AI
- Kategorie: Technische Merkmale
- Kategorie: Modell Ausbildung
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Modell-Optimierung
- Kategorie: Datenerhebung
- Kategorie: Künstliche neuronale Netze
- Kategorie: Daten-Ethik
- Kategorie: Prädiktive Modellierung
- Kategorie: Faltungsneuronale Netze
Werkzeuge, die Sie lernen werden
- Kategorie: Eingebettete Software
- Kategorie: Modell-Einsatz
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
14 Aufgaben
Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Erweitern Sie Ihre Fachkenntnisse
- Lernen Sie neue Konzepte von Branchenexperten
- Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
- Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
- Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 3 Module
Erwerben Sie ein Karrierezertifikat.
Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.
von
Mehr von Maschinelles Lernen entdecken
Status: Kostenloser TestzeitraumEdge Impulse
Status: Vorschau
Status: Kostenloser TestzeitraumDeepLearning.AI
Status: Kostenloser TestzeitraumUniversity of Glasgow
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
81,69 %
- 4 stars
16,18 %
- 3 stars
1,98 %
- 2 stars
0 %
- 1 star
0,13 %
Zeigt 3 von 754 an
Geprüft am 14. Apr. 2021
Great Course to get into machine learning, Shawn is a great teacher and reading recommendations are great!
Geprüft am 19. Apr. 2022
i like the way course is designed.i tried all project explained in course without re-viewing cource material.
Geprüft am 18. Aug. 2021
Awesome course for beginners. I don't know how much of my background helped make this awesome, but it is awesome.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,




