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
Holen Sie sich eines unserer besten Angebote und erweitern Sie Ihre Fähigkeiten mit 50% Rabatt auf Coursera Plus. Jetzt sparen.

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


Dozenten: Shawn Hymel
55.580 bereits angemeldet
Bei enthalten
Fragen Sie Coursera
759 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: Angewandtes maschinelles Lernen
- Kategorie: Modell Ausbildung
- Kategorie: Tiefes Lernen
- Kategorie: Technische Merkmale
- Kategorie: Künstliche neuronale Netze
- Kategorie: Bewertung des Modells
- Kategorie: Künstliche Intelligenz und maschinelles Lernen (AI/ML)
- Kategorie: Maschinelles Lernen
- Kategorie: Faltungsneuronale Netze
- Kategorie: Verantwortungsvolle AI
- Kategorie: Eingebettete Systeme
- Kategorie: Daten-Ethik
- Kategorie: Vorverarbeitung von Daten
- Kategorie: Algorithmen für maschinelles Lernen
- Kategorie: Software für maschinelles Lernen
- Kategorie: Prädiktive Modellierung
Werkzeuge, die Sie lernen werden
- 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.
Dozenten

von
Mehr von Maschinelles Lernen entdecken

Edge Impulse

DeepLearning.AI

University of Glasgow
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 stars
81,68 %
- 4 stars
16,07 %
- 3 stars
2,10 %
- 2 stars
0 %
- 1 star
0,13 %
Zeigt 3 von 759 an
Geprüft am 15. Apr. 2021
Great Course to get into machine learning, Shawn is a great teacher and reading recommendations are great!
Geprüft am 11. Aug. 2021
As everybody says they go at a really fast pace, I had to watch like three times each video, but the content is really good and concise. Thanks to the sponsors and to the teacher
Geprüft am 21. Juli 2021
Best courser, as we are not just learning about the Embedded ML, as we also learn the fundamentals of ML.
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,





