VIP20
本课程属于：010-Edge Impulse端侧AI数据采集与模型部署 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

4. Edge Impulse模型训练：分类、回归与异常检测流程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · Edge Impulse平台概览与核…
课程导入学习目标
02
环境准备
注册Edge Impulse账号 · 创建项目 · 了解数据采集与上传方式
环境准备Edge
03
数据采集与预处理
传感器数据采集 · 数据清洗 · 时间序列与图像数据的基本处理
数据采集预处理
04
数据标注与标签设计
分类 · 回归与异常检测任务的标签定义与标注工…
数据标注标签设计
05
特征工程基础
时域特征 · 频域特征 · 图像特征提取方法及在Edge Imp…
特征工程基础时域特征
06
模型训练核心概念
训练集/验证集划分 · 过拟合与欠拟合 · 模型评估指标（准确率
模型训练核心概念训练集
07
分类任务流程
从数据上传到模型部署的完整分类流程 · 包括模型选择 · 训练与测试
分类任务流程从数据上传到模型…
08
回归任务流程
连续值预测的模型训练 · 如传感器读数预测 · 损失函数与评估方法
回归任务流程连续值预测的模型…
09
异常检测任务流程
基于无监督/监督学习的异常检测 · 如K-means · 自编码器在Edge Impulse中…
异常检测任务流程基于无监督
10
模型选择与调参
不同神经网络架构（DNN · CNN · LSTM）的适用场景与参数调整策略
模型选择调参
11
模型训练实战
使用Edge Impulse训练一个… · 并优化准确率
模型训练实战Edge
12
回归实战案例
基于加速度计数据预测运动速度 · 完成数据准备 · 训练与评估
回归实战案例基于加速度计数据…
13
异常检测实战案例
利用振动数据检测设备故障 · 构建异常检测模型并验证效果
异常检测实战案例利用振动数据检测…
14
模型测试与验证
使用测试集评估模型性能 · 混淆矩阵 · ROC曲线等工具的使用
模型测试验证
15
模型优化技巧
数据增强 · 正则化 · 早停
模型优化技巧数据增强
16
部署准备
模型转换 · 量化 · 压缩
部署准备模型转换
17
部署到设备
将Edge Impulse模型部署到… · ESP32 · Raspberry Pi等常见硬件
部署到设备Edge
18
边缘端推理
在设备上运行模型 · 处理实时数据流 · 并优化推理速度和功耗
边缘端推理设备上运行模型
19
模型监控与更新
部署后模型性能监控 · 数据漂移检测与模型迭代更新策略
模型监控更新
20
常见问题与调试
训练不收敛 · 数据不平衡 · 特征选择错误等问题的诊断与解决
常见问题调试
21
多传感器融合
结合多个传感器数据提升模型性能 · 在Edge Impulse中的实现方…
多传感器融合结合多个传感器数…
22
时间序列数据处理
滑动窗口 · 采样率调整 · 时序特征提取在分类与回归中的应用
时间序列数据处理滑动窗口
23
图像分类与目标检测
Edge Impulse对图像数据的… · 训练图像分类模型的基本流程
图像分类目标检测
24
音频分类与关键词识别
音频数据预处理 · MFCC特征提取与模型训练
音频分类关键词识别
25
迁移学习与预训练模型
利用Edge Impulse的迁移学… · 基于预训练模型微调
迁移学习预训练模型
26
项目实战
从零构建一个完整的边缘AI应用（如智… · 涵盖数据采集到部署
项目实战AI
27
性能评估与基准测试
在真实硬件上评估模型精度 · 延迟 · 内存占用
性能评估基准测试
28
安全与隐私
边缘AI中的数据安全 · 模型加密 · 隐私保护措施
安全隐私
29
综合提升
结合Edge Impulse与其他工… · Arduino）构建复杂系统
综合提升Edge
30
课程总结与进阶路径
回顾核心知识点 · 推荐学习资源 · 规划后续进阶方向
课程总结进阶路径