This course can also be taken for academic credit as ECEA 5386, part of CU Boulder’s Master of Science in Electrical Engineering degree.
Ce cours fait partie de la Spécialisation Developing Industrial Internet of Things
Project Planning and Machine Learning
Offert par
À propos de ce cours
7,154 consultations récentes
Ce que vous allez apprendre
How to staff, plan and execute a project.
How to build a bill of materials for a product.
How to calibrate sensors and validate sensor measurements.
How hard drives and solid state drives operate.
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 3 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 16 heures pour terminer
Recommandé : 6 hours/week
Anglais
Sous-titres : Anglais
Programme du cours : ce que vous apprendrez dans ce cours
10 heures pour terminer
Project Planning and Staffing
In this module I share with you my experience in product planning, staffing and execution. You will perform a product tear down, write a paper about your tear down and build a bill of materials (BOM) for that product.
10 heures pour terminer
12 vidéos (Total 112 min), 2 lectures, 2 quiz
12 vidéos
Introduction1 min
Segment 1 - Learning Outcomes, Introduction to a Design Process12 min
Segment 2 - Requirements, Scope, Schedule, Resources, Heap Chart15 min
Segment 3 - Roles and Responsibilities6 min
Segment 4 - Process: Architecture Definition, Design Planning13 min
Segment 5 - Process: Architecture Definition, Design Planning 218 min
Segment 6 - Process: Develop9 min
Segment 7 - Process: Verification11 min
Segment 8 - Process: Manufacture2 min
Segment 9 - Process: Deploy10 min
Segment 10 - Process: Validation6 min
Segment 11 - Temperature5 min
2 lectures
Access to Course Resources10 min
A Note from the Instructor5 min
1 exercice pour s'entraîner
Module 1 Quiz10 min
2 heures pour terminer
Sensors and File Systems
In this module you will learn about sensors, and in this case, a temperature sensor. You will learn how to calibrate and then validate that a temperature sensor is producing accurate results. We will study how data is stored on hard drives and solid state drives. We will take a brief look at file systems used to store large data sets.
2 heures pour terminer
16 vidéos (Total 103 min)
16 vidéos
Introduction28s
Segment 1 - Learning Outcomes, Introduction to Thermistors3 min
Segment 2 - Terminology: Resolution, Precision, Accuracy, Tolerance6 min
Segment 3 - Basic Sensor Circuit5 min
Segment 4 - Accuracy Example2 min
Segment 5 - Calculating Rtherm2 min
Segment 6 - Validating Calibration5 min
Segment 7 - Filtering Techniques11 min
Segment 8 - Block, Object and Key-Value Storage Devices15 min
Segment 9 - Filesystem Basics3 min
Segment 10 - A File on a Hard Drive5 min
Segment 11 - A File on a Solid State Drive8 min
Segment 12 - File System: NFS4 min
Segment 13 - How Big is "Big"?8 min
Segment 14 - Traditional File System Bottlenecks3 min
Segment 15 - Parallel Distributed File Systems: Hadoop, Lustre13 min
1 exercice pour s'entraîner
Module 2 Quiz18 min
3 heures pour terminer
Machine Learning
In this module we look at machine learning (ML), what it is and how it works. We take a look at a couple supervised learning algorithms and 1 unsupervised learning algorithm. No coding is required of you. Instead I provide working source code to you so you can play around with these algorithms. I wrap up by providing some examples of how ML can be used in the IIoT space.
3 heures pour terminer
22 vidéos (Total 132 min)
22 vidéos
Introduction30s
Segment 1 - Learning Outcomes1 min
Segment 2 - AI Backgrounder6 min
Segment 3 - Machine Learning, What is it?6 min
Segment 4 - Machine Learning Schools of Thought9 min
Segment 5 - Get the Tools3 min
Segment 6 - Categories of Machine Learning5 min
Segment 7 - Supervised Learning, Linear Regression 17 min
Segment 8 - Supervised Learning, Linear Regression 29 min
Segment 9 - Supervised Learning, Linear Regression 38 min
Segment 10 - Supervised Learning, Linear Regression 49 min
Segment 11 - Supervised Learning, Bayes Theorem4 min
Segment 12 - Supervised Learning, Naive Bayes9 min
Segment 13 - Supervised Learning, Support Vector Machines (SVM) Introduction55s
Segment 14 - Supervised Learning, SVMs12 min
Segment 15 - Unsupervised Learning, K-Means11 min
Segment 16 - Reinforcement Learning46s
Segment 17 - Supervised Learning, Deep Learning2 min
Segment 18 - Rick Rashid, Natural Language Processing8 min
Segment 19 - Deep Learning, Hearing Aid2 min
Segment 20 - Machine Learning in IIoT4 min
Segment 21 - Machine Learning Summary4 min
1 exercice pour s'entraîner
Module 3 Quiz22 min
2 heures pour terminer
Big Data Analytics
In this module you will learn about big data and why we want to study it. You will learn about issues that can arise with a data set and the importance of properly preparing data prior to a ML exercise.
2 heures pour terminer
19 vidéos (Total 119 min)
19 vidéos
Introduction33s
Segment 1 - Learning Outcomes, Definition of Big Data3 min
Segment 2 - Importance of Big Data, Characteristics of Big Data4 min
Segment 3 - Size of Big Data4 min
Segment 4 - Introduction to Predictive Analytics2 min
Segment 5 - Role of Statistics and Data Mining3 min
Segment 6 - Machine Learning, Generalization and Discrimination7 min
Segment 7 - Frameworks, Testing and Validating5 min
Segment 8 - Bias and Variance in your Data3 min
Segment 9 - Out-of-sample Data and Learning Curves5 min
Segment 10 - Cross Validation5 min
Segment 11 - Model Complexity, Over- and Under-fitting3 min
Segment 12 - Processing Your Data Prior to Machine Learning8 min
Segment 13 - Good Data, Smart Data6 min
Segment 14 - Visualizing Your Data1 min
Segment 15 - Principal Component Analysis (PCA)2 min
Segment 16 - Prognostic Health Management, Hadoop Machine Learning Library11 min
Segment 17 - My Example: Predicting NFL Football Winners18 min
Segment 18 - Tom Bradicich, Hewlett Packard's Viewpoint on Big Data20 min
1 exercice pour s'entraîner
Module 4 Quiz26 min
Avis
4.5
Meilleurs avis pour PROJECT PLANNING AND MACHINE LEARNING
par ABApr 1, 2019
quizzes can be tougher.\n\ngreat course!\n\n100% history oriented.
Offert par
Université du Colorado à Boulder
CU-Boulder is a dynamic community of scholars and learners on one of the most spectacular college campuses in the country. As one of 34 U.S. public institutions in the prestigious Association of American Universities (AAU), we have a proud tradition of academic excellence, with five Nobel laureates and more than 50 members of prestigious academic academies.
Commencez à travailler pour obtenir votre master
Ce cours fait partie du diplôme intégralement en ligne Master of Science in Electrical Engineering de Université du Colorado à Boulder.
Si vous êtes admis au programme complet, vos cours seront pris en compte dans votre apprentissage diplômant.
À propos du Spécialisation Developing Industrial Internet of Things
The courses in this specialization can also be taken for academic credit as ECEA 5385-5387, part of CU Boulder’s Master of Science in Electrical Engineering degree. Enroll here.
In this specialization, you will engage the vast array of technologies that can be used to build an industrial internet of things deployment. You'll encounter market sizes and opportunities, operating systems, networking concepts, many security topics, how to plan, staff and execute a project plan, sensors, file systems and how storage devices work, machine learning and big data analytics, an introduction to SystemC, techniques for debugging deeply embedded systems, promoting technical ideas within a company and learning from failures. In addition, students will learn several key business concepts important for engineers to understand, like CapEx (capital expenditure) for buying a piece of lab equipment and OpEx (operational expense) for rent, utilities and employee salaries.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
