University of Colorado System
Kalman Filter Boot Camp (and State Estimation)

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
University of Colorado System

Kalman Filter Boot Camp (and State Estimation)

Unterrichtet auf Englisch

Kurs

Informieren Sie sich über ein Thema und erlernen Sie die Grundlagen.

Gregory Plett

Dozent: Gregory Plett

Stufe Mittel

Empfohlene Erfahrung

Es dauert 22 Stunden
3 Wochen bei 7 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Applying Kalman filters for state estimation
  • Kategorie: Learning state-space models for Kalman filters
  • Kategorie: Understanding the purpose of a Kalman filter
  • Kategorie: Learning random variables and random processes for Kalman filters
  • Kategorie: Learning the steps of a linear Kalman filter

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

28 Aufgaben

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 4 Module

This week, you will learn what a Kalman filter is and generally what it does. You will be introduced to the roadmap for the course and the specialization, and will learn some applications that use Kalman filters.

Das ist alles enthalten

6 Videos11 Lektüren6 Aufgaben1 Diskussionsthema

Kalman filters estimate the "state" of a system that is described using a "state-space model." This week, you will learn the background concepts in state-space models that are required in order to implement a Kalman filter.

Das ist alles enthalten

8 Videos9 Lektüren8 Aufgaben2 Unbewertete Labore

Systems whose state we would like to estimate are affected by unknown inputs ("disturbances" or "process noises") and their measurements are affected by sensor noises. These noises are modeled by random variables. This week, you will learn the background concepts in random variables that are required in order to implement a Kalman filter.

Das ist alles enthalten

8 Videos8 Lektüren8 Aufgaben1 Unbewertetes Labor

Even though we have not yet derived the steps of the Kalman filter, it is instructive to gain insight into a Kalman filter's operation by watching it run. This week, you will learn how to implement a Kalman filter in Octave and see cases where it works well and where it fails (next course, you will learn why!).

Das ist alles enthalten

6 Videos6 Lektüren6 Aufgaben4 Unbewertete Labore

Dozent

Gregory Plett
University of Colorado System
9 Kurse70.932 Lernende

von

Empfohlen, wenn Sie sich für Electrical Engineering interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen