Differences
This shows you the differences between two versions of the page.
|
priot:laboratoare:09 [2024/12/04 01:38] jan.vaduva [Linkuri pentru Laborator] |
priot:laboratoare:09 [2024/12/17 07:04] (current) alexandru.bala [Prezentare Teoretică] |
||
|---|---|---|---|
| Line 8: | Line 8: | ||
| - | ==== Teorie ==== | + | ===== Teorie ===== |
| - | === Ce este Machine Learning (ML)? === | + | ==== Ce este Machine Learning (ML)? ==== |
| Machine Learning este o metodă de analiză a datelor care automatizează construirea modelelor predictive. Se bazează pe ideea că sistemele pot învăța din date, identifica modele și lua decizii fără intervenție umană. Acest proces este esențial în aplicații precum: | Machine Learning este o metodă de analiză a datelor care automatizează construirea modelelor predictive. Se bazează pe ideea că sistemele pot învăța din date, identifica modele și lua decizii fără intervenție umană. Acest proces este esențial în aplicații precum: | ||
| * Recomandările personalizate (Netflix, Amazon). | * Recomandările personalizate (Netflix, Amazon). | ||
| Line 15: | Line 15: | ||
| * Diagnostic medical asistat. | * Diagnostic medical asistat. | ||
| - | === Tipuri de Machine Learning: === | + | ==== Tipuri de Machine Learning: ==== |
| ==Supervised Learning== | ==Supervised Learning== | ||
| * Modelul învață dintr-un set de date etichetat, unde fiecare intrare are un răspuns cunoscut. | * Modelul învață dintr-un set de date etichetat, unde fiecare intrare are un răspuns cunoscut. | ||
| * Ex.: Prezicerea prețului unei case pe baza suprafeței. | * Ex.: Prezicerea prețului unei case pe baza suprafeței. | ||
| - | * Algoritmi populari: regresie liniară, arbori de decizie, rețele neuronale. | + | * Algoritmi populari: regresie liniară, arbori de decizie, rețele neurale. |
| ==Unsupervised Learning== | ==Unsupervised Learning== | ||
| * Modelul lucrează cu date neetichetate și găsește structuri ascunse. | * Modelul lucrează cu date neetichetate și găsește structuri ascunse. | ||
| Line 29: | Line 29: | ||
| * Ex.: Un robot care învață să evite obstacolele. | * Ex.: Un robot care învață să evite obstacolele. | ||
| - | ===Regresia liniară=== | + | ====Regresia liniară==== |
| - | Regresia liniară este una dintre cele mai simple metode de predicție folosite în învățarea supervizată. Scopul este de a găsi o relație liniară între o variabilă dependentă yy (de ex., prețul casei) și una sau mai multe variabile independente xx (de ex., suprafața casei). | + | Regresia liniară este una dintre cele mai simple metode de predicție folosite în învățarea supervizată. Scopul este de a găsi o relație liniară între o variabilă dependentă y (de ex. prețul casei) și una sau mai multe variabile independente x (de ex. suprafața casei). |
| Ecuația generală: | Ecuația generală: | ||
| - | y=m⋅x+by = m \cdot x + b | + | y = m⋅x + b |
| Unde: | Unde: | ||
| - | * yy: valoarea prezisă. | + | * y: valoarea prezisă. |
| - | * xx: variabila predictivă. | + | * x: variabila predictivă. |
| - | * mm: panta liniei (impactul variabilei predictive asupra rezultatului). | + | * m: panta liniei (impactul variabilei predictive asupra rezultatului). |
| - | * bb: interceptul (valoarea yy când x=0x = 0). | + | * b: interceptul (valoarea y când x = 0). |
| - | ===Ce este setul de date Boston Housing? === | + | ==== Ce este setul de date Boston Housing? ==== |
| Setul de date Boston Housing este utilizat frecvent în problemele de regresie. El conține informații despre prețurile caselor din suburbii ale Bostonului și caracteristici relevante, precum: | Setul de date Boston Housing este utilizat frecvent în problemele de regresie. El conține informații despre prețurile caselor din suburbii ale Bostonului și caracteristici relevante, precum: | ||
| * RM: Numărul mediu de camere. | * RM: Numărul mediu de camere. | ||
| Line 116: | Line 116: | ||
| </code> | </code> | ||
| - | ==Partea 3: Sarcina pentru studenți== | + | === Partea 3: Sarcina pentru studenți (1) === |
| - | 1.Explorare: | + | <note>1.Explorare: |
| * Schimbați predictorul principal din RM (număr de camere) cu o altă caracteristică, cum ar fi DIS (distanța față de centrele de afaceri) sau CRIM (rata criminalității). | * Schimbați predictorul principal din RM (număr de camere) cu o altă caracteristică, cum ar fi DIS (distanța față de centrele de afaceri) sau CRIM (rata criminalității). | ||
| * Vizualizați relația dintre predictor și prețul locuinței folosind un grafic scatter. | * Vizualizați relația dintre predictor și prețul locuinței folosind un grafic scatter. | ||
| Line 126: | Line 126: | ||
| * Aplicați regresia liniară multiplă folosind mai multe caracteristici (de exemplu, RM, DIS și CRIM) pentru a prezice prețul. | * Aplicați regresia liniară multiplă folosind mai multe caracteristici (de exemplu, RM, DIS și CRIM) pentru a prezice prețul. | ||
| + | </note> | ||
| - | + | =====Introducere în ESP32-CAM pentru aplicații IoT și TinyML===== | |
| - | =====Introducere în ESP32-S3 și ESP32-CAM pentru aplicații IoT și TinyML===== | + | |
| ====Obiective==== | ====Obiective==== | ||
| * Înțelegerea conceptelor de bază ale modulului ESP32-CAM. | * Înțelegerea conceptelor de bază ale modulului ESP32-CAM. | ||
| Line 142: | Line 142: | ||
| * Utilizat frecvent în supraveghere, aplicații IoT și dispozitive edge alimentate de AI. | * Utilizat frecvent în supraveghere, aplicații IoT și dispozitive edge alimentate de AI. | ||
| - | ESP32-CAM-MB este un programatorul micro USB de la Espressif Systems, având support pentru chipul serial CH340G. | + | ESP32-CAM-MB este un programator micro USB de la Espressif Systems, având support pentru chipul serial CH340G. |
| === IoT și TinyML cu ESP32 === | === IoT și TinyML cu ESP32 === | ||
| Line 148: | Line 148: | ||
| * TinyML: Folosind TensorFlow Lite, ESP32 poate rula modele de învățare automată pentru aplicații precum detectarea obiectelor, recunoașterea vocală și analiza predictivă. | * TinyML: Folosind TensorFlow Lite, ESP32 poate rula modele de învățare automată pentru aplicații precum detectarea obiectelor, recunoașterea vocală și analiza predictivă. | ||
| - | ====Linkuri pentru Laborator==== | + | ====Instructiuni demonstrative ESP32-CAM Ai-Thinker==== |
| ===Configurare hardware și software:=== | ===Configurare hardware și software:=== | ||
| Urmați acest ghid pentru a configura ESP32-CAM Ai-Thinker: | Urmați acest ghid pentru a configura ESP32-CAM Ai-Thinker: | ||
| Line 160: | Line 160: | ||
| 1. Dupa ce setup-ul a fost realizat il validam folosind urmatorul cod demo: | 1. Dupa ce setup-ul a fost realizat il validam folosind urmatorul cod demo: | ||
| + | |||
| <code> | <code> | ||
| /********* | /********* | ||
| Line 188: | Line 189: | ||
| ===Ce să faceți mai departe (implementarea TinyML):=== | ===Ce să faceți mai departe (implementarea TinyML):=== | ||
| - | 2. Identificati cum se ruleaza un demo ce foloseste camera: [[https://www.cytron.io/tutorial/getting-started-with-esp32-cam?srsltid=AfmBOopVCXL9i9-ccmw5NusebqVwpNa9kQhx-rQfT-NT7OmcgKxx84hH|CameraWebServer]] | + | <note>2. Identificati cum se ruleaza un demo ce foloseste camera: [[https://www.cytron.io/tutorial/getting-started-with-esp32-cam?srsltid=AfmBOopVCXL9i9-ccmw5NusebqVwpNa9kQhx-rQfT-NT7OmcgKxx84hH|CameraWebServer]] |
| - | 3. Aflați cum să implementați modele TensorFlow Lite pe ESP32-CAM pentru sarcini TinyML urmând acest tutorial:[[https://eloquentarduino.com/posts/tensorflow-lite-tinyml-esp32|TinyML ESP32]]. | + | |
| + | 3. Aflați cum să implementați modele TensorFlow Lite pe ESP32-CAM pentru sarcini TinyML urmând acest tutorial:[[https://eloquentarduino.com/posts/tensorflow-lite-tinyml-esp32|TinyML ESP32]]. | ||
| Asigurati-va ca aveti instalate urmatoarele biblioteci: | Asigurati-va ca aveti instalate urmatoarele biblioteci: | ||
| * EloquentTensorFlow32 | * EloquentTensorFlow32 | ||
| * EloquentTinyML | * EloquentTinyML | ||
| * tflm_esp32 | * tflm_esp32 | ||
| - | * TensorFlowLite_ESP32 | + | * TensorFlowLite_ESP32</note> |
| + | </note> | ||
| + | <note important>Pentru a nu aparea eroare de build pentru **tflm_esp32** redenumiti folderul **esp32s3** in **esp32** din cadrul librariei.</note> | ||
| ====Lecturi și Resurse Suplimentare==== | ====Lecturi și Resurse Suplimentare==== | ||
| - | * Ghid de programare ESP-IDF: https://docs.espressif.com/projects/esp-idf/en/latest/ | + | * [[https://github.com/prusa3d/Prusa-Firmware-ESP32-Cam/blob/master/doc/AI_Thinker-ESP32-cam/README.md|AI Thinker ESP32-CAM]] |
| - | * Documentația pentru Arduino ESP32 Core: https://github.com/espressif/arduino-esp32 | + | * [[https://docs.espressif.com/projects/esp-idf/en/latest/|Ghid de programare ESP-IDF]] |
| + | * [[https://github.com/espressif/arduino-esp32|Documentația pentru Arduino ESP32 Core]] | ||
