Online Microcontroller Schulung in Deutschland

Dieses von einem Trainer geleitete, live Training in Deutschland (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.

Dieses von einem Dozenten geführte, Live-Training in Deutschland (online oder vor Ort) richtet sich an Ingenieure, die lernen möchten, wie sie Embedded C verwenden, um verschiedene Arten von Mikrocontrollern auf Basis verschiedener Prozessorarchitekturen (8051, ARM CORTEX M-3 und ARM9) zu programmieren.

In diesem von einem Trainer geleiteten, lebenden Training in Deutschland 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.

Diese von einem Ausbilder geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Ingenieure, die die Designprinzipien des Mikrocontroller-Designs erlernen möchten.

Raspberry Pi ist ein sehr kleiner, Einplatinencomputer.

In dieser von einem Trainer geleiteten, live Trainingssitzung lernen die Teilnehmer, wie sie Raspberry Pi einrichten und programmieren können, um es als interaktives und leistungsstarkes eingebettetes System zu nutzen.

Bis zum Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Eine IDE (integrierte Entwicklungsumgebung) für maximale Entwicklungsproduktivität einzurichten
• Raspberry Pi programmieren, um Geräte wie Bewegungsmelder, Alarmsysteme, Webserver und Drucker zu steuern.
• Die Architektur von Raspberry Pi zu verstehen, einschließlich Eingänge und Anschlussstellen für Zusatzgeräte.
• Die verschiedenen Optionen in Programmiersprachen und Betriebssystemen zu verstehen
• Raspberry Pi testen, debuggen und in den Einsatz bringen, um reale Probleme zu lösen

Zielgruppe

• Entwickler
• Hardware-/Software-Techniker
• Fachleute aus allen Branchen
• Hobbyisten

Kursformat

• Teil Vorlesung, teil Diskussion, Übungen und umfangreiche praktische Arbeit

Hinweis

• Raspberry Pi unterstützt verschiedene Betriebssysteme und Programmiersprachen. In diesem Kurs wird das Linux-basierte Raspbian als Betriebssystem und Python als Programmiersprache verwendet. Für eine spezifische Einrichtung kontaktieren Sie uns bitte, um dies zu vereinbaren.
• Die Teilnehmer sind dafür verantwortlich, die Raspberry Pi-Hardware und Komponenten zu kaufen.

Dieses vom Trainer geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Ingenieure, die lernen möchten, wie sie Maschinenlearning-Modelle auf sehr kleinen eingebetteten Geräten schreiben, laden und ausführen können.

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

• TensorFlow Lite zu installieren.
• Maschinenlearning-Modelle auf einem eingebetteten Gerät zu laden, um es zum Beispiel zur Erkennung von Sprache oder zur Klassifizierung von Bildern zu verwenden.
• Künstliche Intelligenz (AI) in Hardwaregeräte zu integrieren, ohne auf Netzwerkverbindungen angewiesen zu sein.