Formation Microcontroller Design

Cette formation en direct dans France (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent apprendre à utiliser le langage C embarqué pour programmer divers types de microcontrôleurs basés sur différentes architectures de processeurs (8051, ARM CORTEX M-3, et ARM9).

Au cours de cette formation en direct dans France, les participants apprendront à programmer le Arduino pour une utilisation réelle, par exemple pour contrôler des lumières, des moteurs et des capteurs de détection de mouvement. Ce cours suppose l'utilisation de composants matériels réels dans un environnement de laboratoire réel (pas de matériel simulé par logiciel).

À la fin de cette formation, les participants seront capables de :

• Programmer Arduino pour contrôler des lumières, des moteurs et d'autres dispositifs.
• Comprendre l'architecture de Arduino, y compris les entrées et les connecteurs pour les dispositifs complémentaires.
• Ajouter des composants tiers tels que des écrans LCD, des accéléromètres, des gyroscopes et des traqueurs GPS pour étendre les fonctionnalités de Arduino.
• Comprendre les différentes options des langages de programmation, du C aux langages de glisser-déposer.
• Tester, déboguer et déployer le Arduino pour résoudre des problèmes réels.

Cette formation en direct avec instructeur en France (en ligne ou sur site) est destinée aux ingénieurs en systèmes embarqués de niveau intermédiaire et aux développeurs d'IA qui souhaitent déployer des modèles d'apprentissage automatique sur des microcontrôleurs à l'aide de TensorFlow Lite et Edge Impulse.

A l'issue de cette formation, les participants seront capables de :

• Comprendre les principes fondamentaux de TinyML et ses avantages pour les applications d'intelligence artificielle.
• Mettre en place un environnement de développement pour les projets TinyML.
• Former, optimiser et déployer des modèles d'IA sur des microcontrôleurs de faible puissance.
• Utiliser TensorFlow Lite et Edge Impulse pour mettre en œuvre des applications TinyML dans le monde réel.
• Optimiser les modèles d'IA en fonction de l'efficacité énergétique et des contraintes de mémoire.

Raspberry Pi Il s’agit d’un ordinateur très petit et unique.

Dans cette formation guidée par l'instructeur, les participants apprendront comment configurer et programmer Raspberry Pi pour servir d'un système intégré interactif et puissant.

À la fin de cette formation, les participants seront en mesure de :

• Créer un IDE (environnement de développement intégré) pour une productivité de développement maximale
• Programme Raspberry Pi pour contrôler les appareils tels que les capteurs de mouvement, les alertes, les serveurs web et les imprimantes.
• Comprendre Raspberry Pi's architecture, y compris les entrées et les connecteurs pour les appareils add-on.
• Comprendre les différentes options dans les langues de programmation et les systèmes d'exploitation
• Test, débris, et déploiement Raspberry Pi pour résoudre les problèmes du monde réel

Audience

• Développeurs
• Techniciens logiciels/hardware
• Personnages techniques dans toutes les industries
• Hobbys

Format du cours permettant d'évaluer les participants

• Lecture partielle, discussion partielle, exercices et pratiques lourdes

Notes

• Raspberry Pi Soutient différents systèmes d’exploitation et langues de programmation. Ce cours utilise le Raspbian en tant que système d'exploitation et Python en tant que langage de programmation. Pour demander une configuration spécifique, veuillez nous contacter pour organiser.
• Les participants sont responsables de l’achat du matériel et des composants Raspberry Pi.

Cette formation en <loc&gt ; (en ligne ou sur site) est destinée aux ingénieurs qui souhaitent écrire, charger et exécuter des modèles d'apprentissage automatique sur de très petits appareils embarqués.

A l'issue de cette formation, les participants seront capables de :

• Installer TensorFlow Lite.
• Charger des modèles d'apprentissage automatique sur un appareil embarqué pour lui permettre de détecter la parole, de classer des images, etc.
• Ajouter l'IA aux appareils matériels sans dépendre de la connectivité réseau.