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.