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

1. Edge Impulse入门：端侧AI项目从数据到部署

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

端侧AI的定义 · Edge Impulse平台定位 · 课程学习目标与整体项目流程概览

注册Edge Impulse账号 · 安装Edge Impulse CLI · 配置开发板（如Arduino

环境准备Edge

嵌入式机器学习（TinyML）概念 · 端侧推理与云端的区别 · 常见端侧硬件与传感器选型

Edge Impulse平台导航

项目创建 · 仪表盘功能 · 数据样本管理

数据采集方法

使用手机 · 开发板或CSV导入数据 · 设置采样频率

数据采集方法使用手机

数据预处理与特征工程

时域/频域特征提取 · 信号处理模块（如FFT） · 特征可视化与特征重要性分析

数据预处理特征工程

模型设计基础

分类与回归任务选择 · 神经网络结构（Dense · CNN

模型设计基础分类

模型训练与调参

训练/验证集划分 · 学习率 · 批次大小

模型训练调参

模型评估与优化

混淆矩阵 · 准确率/召回率/F1分数 · 模型大小与RAM/Flash占用

模型评估优化

生成C++库 · 导出模型为TensorFlow Li… · 目标板卡资源约束检查

部署准备C++

部署到Arduino

使用Arduino IDE集成Edg… · 编写推理代码 · 串口输出结果与LED反馈

Arduino部署到

ESP32开发环境配置 · Wi-Fi/蓝牙数据传输 · 实时推理与云边协同

部署到Raspberry Pi

Linux环境下的Edge Impu… · 摄像头/麦克风数据流处理 · 与Python集成

基于加速度计的人体活动识别（如走路 · 跑步 · 静止）——从数据采集到部署的完整流程

案例实战基于加速度计的人…

关键词唤醒（如“Hey Edge”）… · MFCC特征 · 训练与部署

案例实战Hey

图像分类（如手势识别）——使用摄像头… · CNN模型训练 · 部署到移动设备

案例实战图像分类

异常检测（如电机振动异常）——使用振… · 无监督学习（如Autoencoder…

案例实战异常检测

多传感器融合（如温湿度+运动）——多… · 特征融合与模型集成

案例实战多传感器融合

常见问题与调试

数据采集不均衡 · 模型过拟合 · 推理延迟高

常见问题调试

性能优化技巧

模型量化（int8） · 权重剪枝 · 知识蒸馏

性能优化技巧int8

Edge Impulse进阶功能

使用EON Tuner · 部署到手机（Android/iOS） · 使用Edge Impulse for…

端侧AI安全与隐私

模型加密 · 数据脱敏 · 端侧推理的隐私优势与潜在风险

项目工程化

版本管理（Git） · 自动化测试 · 日志记录

项目工程化Git

端侧AI应用场景拓展

智能家居 · 工业预测性维护 · 可穿戴健康监测

综合实战项目

设计一个完整的端侧AI产品（如智能垃… · 从需求分析 · 数据采集

综合实战项目AI

课程总结与知识体系梳理

回顾核心概念 · 工具链 · 方法论

课程总结知识体系梳理

学习资源与社区

Edge Impulse官方文档 · 论坛 · GitHub示例

学习资源社区

认证与职业发展

Edge Impulse认证考试 · 端侧AI工程师技能树 · 简历项目亮点与面试准备

认证职业发展

未来趋势与挑战

端侧AI芯片发展 · 模型压缩技术前沿 · 边缘计算与5G融合

未来趋势挑战

结课项目答辩与反馈

学员展示项目 · 讲师点评 · 常见错误复盘

结课项目答辩反馈