k-nearest neighbors
Model paling sederhana: labeli sebuah gestur seperti gestur pelatihan terdekatnya. Jarak, voting, akurasi, memilih k, confusion matrix, kenapa z-score penting, dan berapa biaya k-NN bagi microcontroller.
Buka di simulatorPengenalan gestur dari nol dengan Python murni di Raspberry Pi: fitur, k-nearest neighbors, decision tree, sebuah neuron, gradient descent dan jaringan saraf kecil, serta bobot yang diekspor sebagai array C untuk microcontroller.
0 dari 7 selesai
7 pelajaran dalam 4 bab, sekitar 5 jam di Raspberry Pi 4 Model B simulasi. Gratis, di browser kamu, setiap langkah diperiksa oleh simulator.
Model paling sederhana: labeli sebuah gestur seperti gestur pelatihan terdekatnya. Jarak, voting, akurasi, memilih k, confusion matrix, kenapa z-score penting, dan berapa biaya k-NN bagi microcontroller.
Buka di simulatorSatu neuron buatan: jumlah berbobot, bias, dan sebuah step. Atur bobotnya secara manual, lalu biarkan aturan perceptron mempelajarinya, temukan di mana satu neuron menyerah (masalah yang tidak bisa dipisahkan secara linear dengan satu fitur), dan nyalakan sebuah lampu darinya.
Buka di simulatorKirim modelnya: cetak bobot terlatih dan konstanta z-score sebagai array C yang bisa ditempel ke sketch microcontroller, kuantisasi ke int8, buktikan model kecilnya tetap setuju, dan cetak fungsi klasifikasi C yang menggunakannya.
Buka di simulatorSetiap pelajaran terbuka setelah pelajaran sebelumnya selesai, dan setiap bab ditutup dengan sebuah proyek.
Ubah data mentah sensor menjadi fitur dan pisahkan dengan jujur.
Gestur dari akselerometer pergelangan tangan: data mentah, enam fitur yang meringkas setengah detik dalam enam angka, rata-rata kelas yang menunjukkan kenapa ini bisa berhasil, pembagian train/test yang jujur, dan z-score yang dihitung hanya dari set pelatihan.
0 dari 5 langkah
Model paling sederhana: labeli sebuah gestur seperti gestur pelatihan terdekatnya. Jarak, voting, akurasi, memilih k, confusion matrix, kenapa z-score penting, dan berapa biaya k-NN bagi microcontroller.
0 dari 5 langkah
Decision tree dan satu neuron, dan di mana masing-masing gagal.
Model yang bisa kamu baca: pertanyaan pertama terbaik berdasarkan Gini impurity, tree depth-2 yang dicetak sebagai aturan, overfitting yang terlihat jelas dengan tiga gestur yang salah label, dan tree yang diubah menjadi if statement C.
0 dari 4 langkah
Satu neuron buatan: jumlah berbobot, bias, dan sebuah step. Atur bobotnya secara manual, lalu biarkan aturan perceptron mempelajarinya, temukan di mana satu neuron menyerah (masalah yang tidak bisa dipisahkan secara linear dengan satu fitur), dan nyalakan sebuah lampu darinya.
0 dari 4 langkah
Gradient descent di Pi, lalu bobot yang bisa dijalankan microcontroller.
Gradient descent dari nol: softmax regression untuk ketiga gestur, cross-entropy loss yang turun epoch demi epoch, akurasi dan confidence saat pengujian, learning rate yang terlalu kecil dan terlalu besar, dan jaringan saraf 6-4-3 yang dilatih dengan backpropagation.
0 dari 5 langkah
Kirim modelnya: cetak bobot terlatih dan konstanta z-score sebagai array C yang bisa ditempel ke sketch microcontroller, kuantisasi ke int8, buktikan model kecilnya tetap setuju, dan cetak fungsi klasifikasi C yang menggunakannya.
0 dari 4 langkah
Pengenalan gestur secara live di lampu lalu lintas.
Si boss: seluruh pipeline secara live. Tekan tombolnya, gestur baru direkam, dijadikan fitur, di-z-score, dan diklasifikasi, lalu lampu lalu lintas menampilkan wave, punch atau circle; ambang confidence berkata "tidak yakin" untuk gestur yang tidak pernah diajarkan; dan 30 gestur yang belum pernah dilihat mengukurnya dengan jujur.
0 dari 6 langkah
Selesaikan semua pelajaran dan lulus semua kuis bab, lalu Mokxi menerbitkan sertifikat dengan namamu, terverifikasi di halamannya sendiri.
Sertifikat Penyelesaian
Ini untuk menyatakan bahwa
Nama Kamu
telah berhasil menyelesaikan kursus
Machine learning di microcontroller
Mencakup Data dulu, Model yang bisa dibaca, Latih dan kirim, dan Boss.
7 pelajaran · sekitar 5 jam belajar
Selesaikan kursusnya dan raih sertifikat terverifikasi atas namamu, lengkap dengan kode QR dan link untuk LinkedIn. Sertifikat tersedia di paket Pro, dan uji coba 7 hari gratis.
Semua 7 pelajaran, berurutan, masing-masing dengan cakupannya. Semuanya langsung terbuka di editor.
Setiap pelajaran jalan di simulator tanpa perlu membeli apa pun. Kalau kamu mau yang asli, kit berikut punya komponennya.
Pilih starter kit yang kamu punya dan jalankan setiap pelajaran di manualnya dengan komponen yang sama di pin yang sama.
Lihat semua kitYa. Semua 7 pelajaran Machine learning on a microcontroller gratis dan berjalan di browser kamu, tanpa perlu memasang apa pun dan tanpa perlu membeli komponen sebelum memulai.
Tidak. Setiap pelajaran berjalan di Raspberry Pi 4 Model B simulasi dengan komponennya di kanvas, dan simulator memeriksa tiap langkahmu. Saat kamu ingin merakitnya sungguhan, kabel dan kode yang sama bisa dipakai di board asli.
Sekitar 5 jam: 7 pelajaran dalam 4 bab, masing-masing terdiri dari beberapa langkah singkat. Progresmu tersimpan, jadi kamu bisa berhenti setelah pelajaran mana pun dan melanjutkan di lain waktu.
Setiap bab diakhiri dengan proyek yang merangkum semuanya: k-nearest neighbors, A neuron dan Weights in C.
Dengan "Data and features", dan setiap pelajaran dibangun di atas pelajaran sebelumnya. Baru mengenal rangkaian? Electronics basics adalah kursus yang dimulai dari nol.