嵌入式機器學習簡介

Contents

本課程將提供你機器學習如何工作、如何訓練神經網路以及如何將這些網路部署到微控制器（即嵌入式機器學習或 TinyML）的廣泛概述。你不需要任何先前的機器學習知識即可參加本課程。建議熟悉 Arduino 和微控制器以了解一些主題並處理專案。測驗和專案也需要一些數學（閱讀圖、算術、代數）。

關於此專業課程

機器學習 (ML) 使我們能夠教電腦根據資料做出預測和決策，並從經驗中學習。近年來，對機器學習演算法、軟體框架和嵌入式硬體進行了令人難以置信的優化。多虧了這一點，在微控制器等低功耗設備上運行深度神經網路和其他複雜的機器學習演算法成為可能。

我們將涵蓋理解機器學習基礎所必需的概念和詞彙，並提供演示和專案豐富你的實踐經驗。

到官方網站了解本課程與上課

machine learning

你將學到的內容有

機器學習系統的基礎知識
如何將機器學習模型部署到微控制器
如何使用機器學習在嵌入式系統中做出決策和預測

你將獲得的技能：

Arduino	機器學習	嵌入式系統設計
微控制器	電腦程式設計

字幕

英文

製作方

Edge Impulse

Edge Impulse 是領先的邊緣設備機器學習開發平台，對開發人員免費，深受企業信賴。我們由 Zach Shelby 和 Jan Jongboom 於 2019 年創立，我們的使命是讓開發人員能夠創建下一代智能設備。我們相信機器學習可以為社會帶來積極的變化，我們致力於為良好的應用程式提供支持。

第 1 週機器學習簡介

在本模組中，我們將介紹機器學習的概念、如何使用它來解決問題及其局限性。我們還將介紹嵌入式系統（例如單板計算機和微控制器）上的機器學習如何有效地用於解決問題並創建新型計算機介面。然後，我們將介紹 Edge Impulse 工具並為“魔術棒”演示收集運動資料。最後，我們將檢查可以從這些原始運動資料中計算出的各種特徵，包括均方根 (root mean square, RMS)、傅里葉變換和功率譜密度 (power spectral density, PSD)。

第 2 週神經網路簡介

在本模組中，我們將了解神經網路如何工作、如何訓練它們以及如何使用它們在嵌入式系統中執行推理。我們將繼續之前的演示，使用從智慧手機或 Arduino 板收集的運動資料創建運動分類系統。最後，我們將通過一個新的運動分類專案挑戰你，你將有機會實施本模組和上一個模組中的概念學習。

第 3 週音訊分類和關鍵字發現

在本模組中，我們將介紹嵌入式系統上的音訊分類。具體來說，我們將介紹從錄製的音訊中提取梅爾頻率倒譜係數 (mel-frequency cepstral coefficients, MFCC) 作為特徵、訓練卷積神經網路 ( convolutional neural network, CNN) 並將該神經網路部署到微控制器的基礎知識。此外，我們深入探討了嵌入式系統的一些實施策略，並討論了機器學習與傳感器融合的比較。