L'apprentissage automatique nous permet d'apprendre aux ordinateurs à faire des prédictions et à prendre des décisions sur la base de données et à tirer des enseignements de leurs expériences. Ces dernières années, des optimisations incroyables ont été apportées aux algorithmes d'apprentissage automatique, aux cadres logiciels et au matériel embarqué. Ce cours vous donnera un aperçu général du fonctionnement de l'apprentissage automatique, de l'entraînement des réseaux neuronaux et du déploiement de ces réseaux sur des microcontrôleurs, ce qui est connu sous le nom d'apprentissage automatique embarqué ou TinyML. Vous n'avez pas besoin de connaissances préalables en apprentissage automatique pour suivre ce cours. Il est conseillé d'être familier avec Arduino et les microcontrôleurs pour comprendre certains sujets ainsi que pour s'attaquer aux projets. Nous couvrirons les concepts et le vocabulaire nécessaires pour comprendre les principes fondamentaux de l'apprentissage automatique et nous fournirons des démonstrations et des projets pour vous donner une expérience pratique.
Introduction à l'apprentissage automatique embarqué
Instructeurs : Shawn Hymel
46 826 déjà inscrits
Inclus avec 
(679 avis)
Expérience recommandée
Ce que vous apprendrez
Les bases d'un système d'apprentissage automatique
Comment déployer un modèle d'apprentissage automatique sur un microcontrôleur ?
Comment utiliser l'apprentissage automatique pour prendre des décisions et faire des prédictions dans un système embarqué ?
Compétences que vous acquerrez
- Catégorie : Programmation Informatique
- Catégorie : Arduino
- Catégorie : Apprentissage automatique
- Catégorie : Microcontrôleur
- Catégorie : Conception de systèmes embarqués
Détails à connaître
Ajouter à votre profil LinkedIn
14 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 3 modules dans ce cours
Dans ce module, nous présenterons le concept d'apprentissage automatique, la manière dont il peut être utilisé pour résoudre des problèmes et ses limites. Nous verrons également comment l'apprentissage automatique sur les systèmes embarqués, tels que les ordinateurs monocartes et les microcontrôleurs, peut être utilisé efficacement pour résoudre des problèmes et créer de nouveaux types d'interfaces informatiques. Ensuite, nous présenterons l'outil Edge Impulse et recueillerons des données de mouvement pour une démonstration de "baguette magique". Enfin, nous examinerons les différentes caractéristiques qui peuvent être calculées à partir de ces données de mouvement brutes, y compris la moyenne quadratique (RMS), la transformée de Fourier et la densité spectrale de puissance (PSD).
Inclus
13 vidéos15 lectures5 devoirs2 sujets de discussion
Dans ce module, nous verrons comment fonctionnent les réseaux de neurones, comment les entraîner et comment les utiliser pour effectuer des inférences dans un système embarqué. Nous poursuivrons la démonstration précédente de création d'un système de classification de mouvement en utilisant des données de mouvement collectées à partir d'un smartphone ou d'une carte Arduino. Enfin, nous vous mettrons au défi avec un nouveau projet de classification de mouvement où vous aurez l'occasion de mettre en œuvre les concepts appris dans ce module et le module précédent.
Inclus
10 vidéos10 lectures5 devoirs1 sujet de discussion
Dans ce module, nous abordons la classification audio sur les systèmes embarqués. Plus précisément, nous examinerons les bases de l'extraction des coefficients cepstraux de fréquence mélodique (MFCC) en tant que caractéristiques d'un enregistrement audio, de l'entraînement d'un réseau neuronal convolutionnel (CNN) et du déploiement de ce réseau neuronal sur un microcontrôleur. En outre, nous nous pencherons sur certaines stratégies de mise en œuvre sur les systèmes embarqués et nous parlerons de la comparaison entre l'apprentissage automatique et la fusion de capteurs.
Inclus
9 vidéos7 lectures4 devoirs1 sujet de discussion1 plugin
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Apprentissage automatique
Alberta Machine Intelligence Institute
Johns Hopkins University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
679 avis
- 5 stars
81,67 %
- 4 stars
16,12 %
- 3 stars
2,05 %
- 2 stars
0 %
- 1 star
0,14 %
Affichage de 3 sur 679
Révisé le 16 mai 2022
This is an excellent course taught by the best Teachers on AI. I enjoyed the course and learnt from scratch about AI, ML, NN and deep learning.
Révisé le 9 juin 2021
A really good introduction to Embedded Machine Learning! Shows the basics of machine learning and teaches how to apply it yourself with only the need of your smartphone. Totally recommended!
Révisé le 23 sept. 2021
Thanks for detailed and well introduced topics, I enjoyed this course. I had prior knowledge in neural networks but this course was awsome for introducting ML for microcontrollers.
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Aucun matériel n'est nécessaire pour suivre le cours. Cependant, nous vous recommandons d'acheter une carte Arduino Nano 33 BLE Sense afin de réaliser les projets optionnels. Des liens vers des sites de vente de la carte seront fournis dans le cours.
Nous vous recommandons d'avoir une certaine expérience des systèmes embarqués (comme la programmation d'une carte Arduino ou d'un autre microcontrôleur) et d'être familier avec le(s) langage(s) C/C++. Aucune connaissance préalable en apprentissage automatique n'est requise (mais si vous en avez, ce cours pourrait être une bonne révision). Il vous sera demandé d'utiliser quelques notions de mathématiques (lecture de tracés, arithmétique et algèbre) pour compléter les quiz et les projets.
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.