Tüm yollar

Mikrodenetleyicide makine öğrenmesi

Raspberry Pi üzerinde saf Python ile sıfırdan hareket tanıma: öznitelikler, k-en yakın komşu, karar ağaçları, bir nöron, gradyan inişi, küçük bir sinir ağı ve mikrodenetleyici için C dizileri olarak dışa aktarılan ağırlıklar.

Raspberry Pi 4 Model BÜcretsiz7 ders5 h4 bölüm3.070 XPKodlama · Uzman+400 XP

7 dersin 0'ı tamamlandı

Neler yapacaksın

3 proje, adım adım oluşturulur

4 bölümde 7 ders, simüle edilmiş bir Raspberry Pi 4 Model B üzerinde yaklaşık 5 saat. Ücretsiz, tarayıcında, her adım simülatör tarafından kontrol edilir.

Bölüm 1 projesi

en yakın k komşu

Var olan en basit model: bir hareketi, en yakın eğitim hareketleri gibi etiketle. Uzaklık, oylama, doğruluk, k seçimi, bir karışıklık matrisi, z puanlarının neden önemli olduğu ve k-NN'in bir mikrodenetleyiciye neye mal olduğu.

Simülatörde aç
Bölüm 2 projesi

Bir nöron

Tek bir yapay nöron: ağırlıklı bir toplam, bir sapma ve bir eşik. Ağırlıklarını elle ayarla, sonra perceptron kuralı onları öğrensin, tek bir nöronun nerede pes ettiğini bul (tek özellikle doğrusal olarak ayrılamayan bir problem) ve onunla bir lamba yak.

Simülatörde aç
Bölüm 3 projesi

C dilinde ağırlıklar

Modeli gönder: eğitilmiş ağırlıkları ve z puanı sabitlerini, bir mikrodenetleyici kodunun yapıştırabileceği C dizileri olarak yazdır, onları int8'e nicemle, küçük modelin hâlâ aynı fikirde olduğunu kanıtla ve onları kullanan C sınıflandırma fonksiyonunu yazdır.

Simülatörde aç
Harita

Bölüm bölüm

Her ders, bir önceki bitince açılır ve her bölüm bir projeyle biter.

Bölüm 1

Önce veri

Ham sensör sinyallerini özelliklere çevir ve dürüstçe böl.

  1. Aç330 XP

    Veri ve özellikler

    Bilek ivmeölçerinden hareketler: ham sinyaller, yarım saniyeyi altı sayıda özetleyen altı özellik, bunun neden işe yarayabileceğini gösteren sınıf ortalamaları, dürüst bir eğitim/test bölünmesi ve yalnızca eğitim setinden hesaplanan z puanları.

    0 / 5 adım

  2. ProjeKilitli660 XP

    en yakın k komşu

    Var olan en basit model: bir hareketi, en yakın eğitim hareketleri gibi etiketle. Uzaklık, oylama, doğruluk, k seçimi, bir karışıklık matrisi, z puanlarının neden önemli olduğu ve k-NN'in bir mikrodenetleyiciye neye mal olduğu.

    0 / 5 adım

5 soru, ilerledikçe puanlanır.
Bölüm 2

Okuyabildiğin modeller

Karar ağaçları ve tek bir nöron, ve her birinin nerede çöktüğü.

  1. Kilitli280 XP

    Karar ağaçları

    Okuyabildiğin bir model: Gini safsızlığına göre en iyi ilk soru, kurallar olarak yazdırılmış derinliği 2 olan bir ağaç, üç yanlış etiketli hareketle görünür hale getirilen aşırı öğrenme ve ağacın C if deyimlerine dönüştürülmesi.

    0 / 4 adım

  2. ProjeKilitli560 XP

    Bir nöron

    Tek bir yapay nöron: ağırlıklı bir toplam, bir sapma ve bir eşik. Ağırlıklarını elle ayarla, sonra perceptron kuralı onları öğrensin, tek bir nöronun nerede pes ettiğini bul (tek özellikle doğrusal olarak ayrılamayan bir problem) ve onunla bir lamba yak.

    0 / 4 adım

4 soru, ilerledikçe puanlanır.
Bölüm 3

Eğit ve gönder

Pi üzerinde gradyan inişi, sonra bir mikrodenetleyicinin çalıştırabileceği ağırlıklar.

  1. Kilitli330 XP

    Pi üzerinde eğitim

    Sıfırdan gradyan inişi: üç hareket için de softmax regresyonu, dönem dönem düşen çapraz entropi kaybı, test doğruluğu ve güvenilirlik, çok küçük ve çok büyük öğrenme hızları ve geri yayılımla eğitilmiş bir 6-4-3 sinir ağı.

    0 / 5 adım

  2. ProjeKilitli560 XP

    C dilinde ağırlıklar

    Modeli gönder: eğitilmiş ağırlıkları ve z puanı sabitlerini, bir mikrodenetleyici kodunun yapıştırabileceği C dizileri olarak yazdır, onları int8'e nicemle, küçük modelin hâlâ aynı fikirde olduğunu kanıtla ve onları kullanan C sınıflandırma fonksiyonunu yazdır.

    0 / 4 adım

5 soru, ilerledikçe puanlanır.
Bölüm 4

Patron

Trafik lambalarında canlı hareket tanıma.

  1. Kilitli350 XP

    Patron: hareket tanıma

    Patron: tüm hat canlı. Butona bas, yeni bir hareket kaydedilir, özelliklerine ayrılır, z puanlanır ve sınıflandırılır, trafik lambaları sallanma, yumruk veya daire gösterir; bir güven eşiği, hiç öğretilmemiş bir harekete "emin değilim" der; ve 30 hiç görülmemiş hareket onu dürüstçe ölçer.

    0 / 6 adım

3 soru, ilerledikçe notlanır.
Sertifika

Bitirdiğinde bir sertifika

Tüm dersleri bitirip tüm bölüm sınavlarını geçtiğinde Mokxi, kendi sayfasında doğrulanan, adının yazdığı bir sertifika düzenler.

Sertifika No.MXC0-URSE-0001

Tamamlama Sertifikası

Bu belge şu kişiyi sertifikalandırır:

Adın

kursu başarıyla tamamlamıştır

Mikrodenetleyicide makine öğrenmesi

Önce veri, Okuyabildiğin modeller, Eğit ve gönder ve Patron konularını kapsar.

7 ders · yaklaşık 5 saat çalışma

DaneDane, Kurucu, Mokxi17 Kasım 2026 tarihinde düzenlendi
Bu sertifikayı doğrulamokxi.com/cert/MXC0URSE0001
Sertifika

Sertifikayı kazan

  • Adın ve benzersiz bir kimlik numarasıSenin kalacağı yatay bir sertifikaya basılır.
  • Mokxi tarafından doğrulandıBir QR kodu ve herkesin kontrol edebileceği herkese açık bir sayfa.
  • LinkedIn'e ekleTek tıkla LinkedIn'in sertifika formu doldurulur.
  • PDF olarak indirYazdır veya bir CV'ye ya da başvuruya ekle.

Kursu bitir ve adının yazdığı, QR kodlu ve LinkedIn için bağlantılı, doğrulanabilir bir sertifika kazan. Sertifikalar Pro ile gelir ve 7 günlük deneme ücretsizdir.

Müfredat

Kurstaki tüm dersler

Tüm 7 ders, sırayla, her biri kapsadığı konularla. Herhangi biri düzenleyicide hemen açılır.

Bölüm 1

Önce veri

  1. Veri ve özelliklerBilek ivmeölçerinden hareketler: ham sinyaller, yarım saniyeyi altı sayıda özetleyen altı özellik, bunun neden işe yarayabileceğini gösteren sınıf ortalamaları, dürüst bir eğitim/test bölünmesi ve yalnızca eğitim setinden hesaplanan z puanları.
  2. en yakın k komşuVar olan en basit model: bir hareketi, en yakın eğitim hareketleri gibi etiketle. Uzaklık, oylama, doğruluk, k seçimi, bir karışıklık matrisi, z puanlarının neden önemli olduğu ve k-NN'in bir mikrodenetleyiciye neye mal olduğu.
Bölüm 2

Okuyabildiğin modeller

  1. Karar ağaçlarıOkuyabildiğin bir model: Gini safsızlığına göre en iyi ilk soru, kurallar olarak yazdırılmış derinliği 2 olan bir ağaç, üç yanlış etiketli hareketle görünür hale getirilen aşırı öğrenme ve ağacın C if deyimlerine dönüştürülmesi.
  2. Bir nöronTek bir yapay nöron: ağırlıklı bir toplam, bir sapma ve bir eşik. Ağırlıklarını elle ayarla, sonra perceptron kuralı onları öğrensin, tek bir nöronun nerede pes ettiğini bul (tek özellikle doğrusal olarak ayrılamayan bir problem) ve onunla bir lamba yak.
Bölüm 3

Eğit ve gönder

  1. Pi üzerinde eğitimSıfırdan gradyan inişi: üç hareket için de softmax regresyonu, dönem dönem düşen çapraz entropi kaybı, test doğruluğu ve güvenilirlik, çok küçük ve çok büyük öğrenme hızları ve geri yayılımla eğitilmiş bir 6-4-3 sinir ağı.
  2. C dilinde ağırlıklarModeli gönder: eğitilmiş ağırlıkları ve z puanı sabitlerini, bir mikrodenetleyici kodunun yapıştırabileceği C dizileri olarak yazdır, onları int8'e nicemle, küçük modelin hâlâ aynı fikirde olduğunu kanıtla ve onları kullanan C sınıflandırma fonksiyonunu yazdır.
Bölüm 4

Patron

  1. Patron: hareket tanımaPatron: tüm hat canlı. Butona bas, yeni bir hareket kaydedilir, özelliklerine ayrılır, z puanlanır ve sınıflandırılır, trafik lambaları sallanma, yumruk veya daire gösterir; bir güven eşiği, hiç öğretilmemiş bir harekete "emin değilim" der; ve 30 hiç görülmemiş hareket onu dürüstçe ölçer.
Kitler

Tezgahında da kur

Her ders, hiçbir şey satın almadan simülatörde çalışır. Gerçeğini istediğinde, bu kitlerde gerekli parçalar var.

Zaten kitin var mı?

Kitini bul

Sahip olduğun başlangıç kitini seç ve kılavuzundaki tüm dersleri aynı parçalarla, aynı pinlerde çalıştır.

Tüm kitleri gör
Sorular

Mikrodenetleyicide makine öğrenimi hakkında

Mikrodenetleyicide makine öğrenimi ücretsiz mi?

Evet. Mikrodenetleyicide makine öğreniminin 7 dersinin tamamı ücretsizdir ve tarayıcında çalışır; başlamadan önce kurman ya da satın alman gereken hiçbir şey yoktur.

Gerçek bir Raspberry Pi 4 Model B gerekir mi?

Hayır. Her ders, parçaları tuval üzerinde simüle edilmiş bir Raspberry Pi 4 Model B üzerinde çalışır ve simülatör ilerledikçe her adımı kontrol eder. Gerçekten kurmak istediğinde, aynı kablolama ve kod gerçek bir kartta da çalışır.

Mikrodenetleyicide makine öğrenimi ne kadar sürer?

Yaklaşık 5 saat: 4 bölümde 7 ders, her biri birkaç kısa adımdan oluşur. İlerlemen kaydedilir, bu yüzden herhangi bir dersten sonra durup kaldığın yerden devam edebilirsin.

Neler kuracağım?

Her bölüm, öğrendiklerini birleştiren bir projeyle biter: k-en yakın komşu, Bir nöron ve C'de ağırlıklar.

Nereden başlamalıyım?

"Veri ve öznitelikler" ile başlar ve her ders bir öncekinin üzerine kurulur. Devrelerde yeni misin? Sıfırdan başlayan kurs Elektronik temelleri.