Todos os caminhos

Aprendizado de máquina em um microcontrolador

Reconhecimento de gestos do zero em Python puro em um Raspberry Pi: características, k-vizinhos mais próximos, árvores de decisão, um neurônio, gradiente descendente e uma pequena rede neural, e pesos exportados como arrays em C para um microcontrolador.

Raspberry Pi 4 Model BGrátis7 aulas5 h4 capítulos3.070 XPProgramação · Especialista+400 XP

0 de 7 concluídas

O que você vai montar

3 projetos, construídos passo a passo

7 aulas em 4 capítulos, cerca de 5 horas em um Raspberry Pi 4 Model B simulado. Grátis, no seu navegador, cada passo verificado pelo simulador.

Projeto do capítulo 1

k vizinhos mais próximos

O modelo mais simples que existe: rotular um gesto como os gestos de treinamento mais próximos dele. Distância, votos, precisão, escolher k, uma matriz de confusão, por que os escores z importam e quanto o k-NN custa a um microcontrolador.

Abrir no simulador
Projeto do capítulo 2

Um neurônio

Um neurônio artificial: uma soma ponderada, um viés e um degrau. Defina seus pesos à mão, depois deixe a regra do perceptron aprendê-los, descubra onde um único neurônio desiste (um problema que não é linearmente separável com uma característica) e acenda uma lâmpada com ele.

Abrir no simulador
Projeto do capítulo 3

Pesos em C

Leve o modelo junto: imprima os pesos treinados e as constantes do escore z como arrays em C que um sketch de microcontrolador pode colar, quantize-os para int8, prove que o modelo pequeno ainda concorda e imprima a função de classificação em C que os usa.

Abrir no simulador
O mapa

Capítulo por capítulo

Cada aula abre quando a anterior termina, e cada capítulo acaba num projeto.

Capítulo 1

Dados primeiro

Transforme sinais brutos de sensores em características e divida-os com honestidade.

  1. Abrir330 XP

    Dados e características

    Gestos de um acelerômetro de pulso: sinais brutos, seis características que resumem meio segundo em seis números, médias por classe que mostram por que pode funcionar, uma divisão honesta de treinamento/teste e escores z calculados só com o conjunto de treinamento.

    0 de 5 passos

  2. ProjetoBloqueado660 XP

    k vizinhos mais próximos

    O modelo mais simples que existe: rotular um gesto como os gestos de treinamento mais próximos dele. Distância, votos, precisão, escolher k, uma matriz de confusão, por que os escores z importam e quanto o k-NN custa a um microcontrolador.

    0 de 5 passos

5 perguntas, com nota conforme você responde.
Capítulo 2

Modelos que você consegue ler

Árvores de decisão e um único neurônio, e onde cada um falha.

  1. Bloqueado280 XP

    Árvores de decisão

    Um modelo que você consegue ler: a melhor primeira pergunta pela impureza de Gini, uma árvore de profundidade 2 impressa como regras, overfitting visível com três gestos rotulados errado e a árvore transformada em ifs em C.

    0 de 4 passos

  2. ProjetoBloqueado560 XP

    Um neurônio

    Um neurônio artificial: uma soma ponderada, um viés e um degrau. Defina seus pesos à mão, depois deixe a regra do perceptron aprendê-los, descubra onde um único neurônio desiste (um problema que não é linearmente separável com uma característica) e acenda uma lâmpada com ele.

    0 de 4 passos

4 perguntas, com nota conforme você responde.
Capítulo 3

Treinar e levar

Gradiente descendente no Pi, depois pesos que um microcontrolador consegue rodar.

  1. Bloqueado330 XP

    Treinamento no Pi

    Gradiente descendente do zero: regressão softmax para os três gestos, a perda de entropia cruzada caindo época por época, precisão e confiança no teste, taxas de aprendizado pequenas demais e grandes demais e uma rede neural 6-4-3 treinada por backpropagation.

    0 de 5 passos

  2. ProjetoBloqueado560 XP

    Pesos em C

    Leve o modelo junto: imprima os pesos treinados e as constantes do escore z como arrays em C que um sketch de microcontrolador pode colar, quantize-os para int8, prove que o modelo pequeno ainda concorda e imprima a função de classificação em C que os usa.

    0 de 4 passos

5 perguntas, com nota conforme você responde.
Capítulo 4

Chefe

Reconhecimento de gestos ao vivo nos semáforos.

  1. Bloqueado350 XP

    Chefão: reconhecimento de gestos

    O chefão: todo o pipeline ao vivo. Aperte o botão, um gesto novo é gravado, transformado em características, com escore z aplicado e classificado, e os semáforos mostram tchau, soco ou círculo; um limite de confiança diz "não tenho certeza" para um gesto que nunca aprendeu; e 30 gestos nunca vistos o medem com honestidade.

    0 de 6 passos

3 perguntas, corrigidas conforme você avança.
Certificado

Um certificado ao terminar

Termine todas as aulas e passe nos quizzes de todos os capítulos, e o Mokxi emitirá um certificado com o seu nome, verificado em sua própria página.

Certificado nºMXC0-URSE-0001

Certificado de Conclusão

Certificamos que

Nome do Aluno

concluiu com êxito o curso

Aprendizado de máquina em um microcontrolador

Abrangendo Dados primeiro, Modelos que você consegue ler, Treinar e levar e Chefão.

7 aulas · cerca de 5 horas de estudo

DaneDane, fundador do MokxiEmitido em 17 de novembro de 2026
Verificar este certificadomokxi.com/cert/MXC0URSE0001
Certificado

Ganhe seu certificado

  • Seu nome e um ID únicoImpresso em um certificado em modo paisagem que é seu para guardar.
  • Verificado pelo MokxiUm QR code e uma página pública com a qual qualquer pessoa pode conferir.
  • Adicionar ao LinkedInCom um clique, o formulário de certificação do LinkedIn é preenchido.
  • Baixar em PDFImprima ou anexe a um currículo ou a uma inscrição.

Termine o curso e ganhe um certificado verificável com seu nome, um QR code e um link para o LinkedIn. Os certificados acompanham o Pro, e o teste de 7 dias é grátis.

Programa do curso

Todas as aulas do curso

Todas as 7 aulas, em ordem, cada uma com o que cobre. Qualquer uma delas abre no editor na hora.

Capítulo 1

Dados primeiro

  1. Dados e característicasGestos de um acelerômetro de pulso: sinais brutos, seis características que resumem meio segundo em seis números, médias por classe que mostram por que pode funcionar, uma divisão honesta de treinamento/teste e escores z calculados só com o conjunto de treinamento.
  2. k vizinhos mais próximosO modelo mais simples que existe: rotular um gesto como os gestos de treinamento mais próximos dele. Distância, votos, precisão, escolher k, uma matriz de confusão, por que os escores z importam e quanto o k-NN custa a um microcontrolador.
Capítulo 2

Modelos que você consegue ler

  1. Árvores de decisãoUm modelo que você consegue ler: a melhor primeira pergunta pela impureza de Gini, uma árvore de profundidade 2 impressa como regras, overfitting visível com três gestos rotulados errado e a árvore transformada em ifs em C.
  2. Um neurônioUm neurônio artificial: uma soma ponderada, um viés e um degrau. Defina seus pesos à mão, depois deixe a regra do perceptron aprendê-los, descubra onde um único neurônio desiste (um problema que não é linearmente separável com uma característica) e acenda uma lâmpada com ele.
Capítulo 3

Treinar e levar

  1. Treinamento no PiGradiente descendente do zero: regressão softmax para os três gestos, a perda de entropia cruzada caindo época por época, precisão e confiança no teste, taxas de aprendizado pequenas demais e grandes demais e uma rede neural 6-4-3 treinada por backpropagation.
  2. Pesos em CLeve o modelo junto: imprima os pesos treinados e as constantes do escore z como arrays em C que um sketch de microcontrolador pode colar, quantize-os para int8, prove que o modelo pequeno ainda concorda e imprima a função de classificação em C que os usa.
Capítulo 4

Chefe

  1. Chefão: reconhecimento de gestosO chefão: todo o pipeline ao vivo. Aperte o botão, um gesto novo é gravado, transformado em características, com escore z aplicado e classificado, e os semáforos mostram tchau, soco ou círculo; um limite de confiança diz "não tenho certeza" para um gesto que nunca aprendeu; e 30 gestos nunca vistos o medem com honestidade.
Kits

Monte também na sua bancada

Cada aula roda no simulador, sem precisar comprar nada. Quando quiser a versão real, esses kits têm os componentes.

Já tem um kit?

Encontre seu kit

Escolha o kit inicial que você tem e rode todas as aulas do manual dele com os mesmos componentes nos mesmos pinos.

Ver todos os kits
Perguntas

Sobre Aprendizado de máquina em um microcontrolador

Aprendizado de máquina em um microcontrolador é grátis?

Sim. Todas as 7 aulas de Aprendizado de máquina em um microcontrolador são grátis e rodam no seu navegador, sem nada para instalar e sem componentes para comprar antes de começar.

Preciso de um Raspberry Pi 4 Model B de verdade?

Não. Cada aula roda em um Raspberry Pi 4 Model B simulado com seus componentes no canvas, e o simulador confere cada passo conforme você avança. Quando quiser montar de verdade, a mesma ligação e o mesmo código funcionam numa placa real.

Quanto tempo leva Aprendizado de máquina em um microcontrolador?

Cerca de 5 horas: 7 aulas em 4 capítulos, cada uma com alguns passos curtos. Seu progresso é guardado, então você pode parar após qualquer aula e continuar de onde parou.

O que eu vou montar?

Cada capítulo termina em um projeto que junta tudo: k-vizinhos mais próximos, um neurônio e pesos em C.

Por onde eu começo?

Com "Dados e características", e cada aula se apoia na anterior. Primeira vez com circuitos? Eletrônica básica é o curso que começa do zero.