Formation Microcontroller en Richmond

Cette formation en direct, dirigée par un formateur (en ligne ou sur site), s'adresse aux ingénieurs intermédiaires des systèmes embarqués et développeurs IA qui souhaitent déployer des modèles d'apprentissage automatique sur des microcontrôleurs en utilisant TensorFlow Lite et Edge Impulse.

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

• Comprendre les fondamentaux du TinyML et ses avantages pour les applications d'IA aux bords.
• Configurer un environnement de développement pour des projets TinyML.
• Former, optimiser et déployer des modèles IA sur des microcontrôleurs à faible consommation.
• Utiliser TensorFlow Lite et Edge Impulse pour mettre en œuvre des applications TinyML réelles.
• Optimiser les modèles IA pour l'efficacité énergétique et les contraintes de mémoire.

Cette formation en classe dirigée par un formateur (en ligne ou sur site) est destinée aux ingénieurs qui souhaitent apprendre à utiliser le C embarqué pour programmer différents types de microcontrôleurs basés sur différentes architectures de processeur (8051, ARM CORTEX M-3 et ARM9).

Dans cette formation dirigée par un instructeur et en direct à Richmond, les participants apprendront à programmer l'Arduino pour une utilisation réelle, comme 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 en direct (et non d'un matériel simulé logiciellement).

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

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

Cette formation en direct avec instructeur à Richmond (en ligne ou sur site) s'adresse aux ingénieurs qui souhaitent apprendre les principes de conception des microcontrôleurs.

Le Raspberry Pi est un très petit ordinateur à carte unique.

Dans cette formation en direct avec instructeur, les participants apprendront à configurer et programmer le Raspberry Pi pour servir de système intégré interactif et puissant.

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

• Configurer un environnement de développement intégré (IDE) pour une productivité de développement maximale
• Programmer le Raspberry Pi pour contrôler des dispositifs tels que des capteurs de mouvement, des alarmes, des serveurs web et des imprimantes
• Comprendre l'architecture du Raspberry Pi, y compris les entrées et connecteurs pour les dispositifs additionnels
• Comprendre les différentes options en termes de langages de programmation et de systèmes d'exploitation
• Tester, déboguer et déployer le Raspberry Pi pour résoudre des problèmes du monde réel

Public cible

• Développeurs
• Techniciens matériel/logiciel
• Personnes techniques de tous les secteurs
• Amateurs

Format du cours

• Partie cours magistral, partie discussion, exercices et pratique intensive

Note

• Raspberry Pi supporte divers systèmes d'exploitation et langages de programmation. Ce cours utilisera Linux-based Raspbian comme système d'exploitation et Python comme 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.