Fortgeschrittene Embedded Systems Entwicklung Schulung

In diesem von einem Trainer geleiteten, lebenden Training in Schweiz lernen die Teilnehmer, wie man den Arduino für praktische Anwendungen programmieren kann, wie z.B. zur Steuerung von Lampen, Motoren und Bewegungsmeldern. Dieses Kurs setzt die Verwendung realer Hardwarekomponenten in einer lebenden Laborumgebung voraus (nicht software-simulierter Hardware). 

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein, folgendes zu tun:

• Arduino programmieren, um Lampen, Motoren und andere Geräte zu steuern.
• Arduinos Architektur verstehen, einschließlich Eingängen und Anschlüssen für Zusatzgeräte.
• Drittanbieter-Komponenten wie LCDs, Beschleunigungsmesser, Gyroskope und GPS-Tracker hinzufügen, um Arduinos Funktionalität zu erweitern.
• Die verschiedenen Optionen in den Programmiersprachen verstehen, von C bis hin zu Drag-and-Drop-Sprachen.
• Arduino testen, debuggen und in der Praxis einsetzen, um realweltliche Probleme zu lösen.

Dieses von einem Dozenten geführte, live-Training (online oder vor Ort) richtet sich an C-Entwickler, die grundsätzliche Designprinzipien für eingebettete C-Anwendungen lernen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Designüberlegungen zu verstehen, die eingebettete C-Programme zuverlässig machen
• Die Funktionalität eines eingebetteten Systems zu definieren
• Die Programlogik und -struktur so zu definieren, dass das gewünschte Ergebnis erzielt wird
• Eine zuverlässige, fehlerfreie eingebettete Anwendung zu entwickeln
• Optimale Leistung vom Zielhardware zu erzielen

Kursformat:

• Interaktive Vorlesung und Diskussion
• Übungen und Praxis
• Hands-on-Implementierung in einer Live-Lab-Umgebung

Anpassungsoptionen für den Kurs:

• Um ein angepasstes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte.

Dieses von einem Trainer geleitete, live Training in Schweiz (online oder vor Ort) richtet sich an Fortgeschrittene Ingenieure für eingebettete Systeme und AI-Entwickler, die Machine-Learning-Modelle mit TensorFlow Lite und Edge Impulse auf Mikrocontroller bereitstellen möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Grundlagen von TinyML und deren Vorteile für edge AI-Anwendungen zu verstehen.
• Eine Entwicklungsumgebung für TinyML-Projekte einzurichten.
• AI-Modelle auf energieeffiziente Mikrocontroller trainieren, optimieren und bereitstellen.
• TensorFlow Lite und Edge Impulse zur Implementierung von realen TinyML-Anwendungen nutzen.
• AI-Modelle für Energieeffizienz und Speicherbeschränkungen optimieren.