Microcontroller培训

本次由讲师指导的培训（线上或线下）面向中级嵌入式系统工程师和AI开发者，旨在帮助他们使用TensorFlow Lite和Edge Impulse在微控制器上部署机器学习模型。

培训结束后，参与者将能够：

• 理解TinyML的基础知识及其在边缘AI应用中的优势。
• 为TinyML项目设置开发环境。
• 在低功耗微控制器上训练、优化和部署AI模型。
• 使用TensorFlow Lite和Edge Impulse实现实际TinyML应用。
• 优化AI模型以提升能效并满足内存限制。

本次由讲师指导的线下培训（线上或线下）面向希望学习如何使用嵌入式C编程各种基于不同处理器架构（8051、ARM CORTEX M-3和ARM9）的微控制器的工程师。

在这门由讲师指导的线下培训中，参与者将学习如何为实际应用编程Arduino，例如控制灯光、电机和运动检测传感器。本课程假设在实验室环境中使用真实硬件组件（而非软件模拟的硬件）。

培训结束后，参与者将能够：

• 编程Arduino以控制灯光、电机和其他设备。
• 理解Arduino的架构，包括输入和附加设备的连接器。
• 添加第三方组件，如LCD、加速度计、陀螺仪和GPS追踪器，以扩展Arduino的功能。
• 了解从C语言到拖放式编程语言的各种编程选项。
• 测试、调试并部署Arduino以解决实际问题。

这种讲师指导的现场培训<本地>（在线或现场）面向希望学习微控制器设计原理的工程师。

Raspberry Pi 是一种非常小的单板计算机。

在这次讲师指导的线下培训中，参与者将学习如何设置和编程 Raspberry Pi，使其成为一个互动且强大的嵌入式系统。

通过本次培训，参与者将能够：

• 设置 IDE（集成开发环境）以实现最大开发效率
• 编程 Raspberry Pi 以控制设备，如运动传感器、警报器、Web 服务器和打印机
• 了解 Raspberry Pi 的架构，包括附加设备的输入和连接器
• 了解各种编程语言和操作系统的选项
• 测试、调试和部署 Raspberry Pi 以解决现实世界的问题

受众

• 开发人员
• 硬件/软件技术人员
• 各行业的技术人员
• 爱好者

课程形式

• 部分讲座，部分讨论，练习和大量动手实践

注意

• Raspberry Pi 支持多种操作系统和编程语言。本课程将使用基于 Linux 的 Raspbian 作为操作系统，并使用 Python 作为编程语言。如需特定设置，请联系我们安排。
• 参与者需自行购买 Raspberry Pi 硬件和组件。

这种以讲师为主导的中国现场培训（现场或远程）面向希望在非常小的嵌入式设备上编写，加载和运行机器学习模型的工程师。

在培训结束时，参与者将能够：

• 安装 TensorFlow Lite。
• 将机器学习模型加载到嵌入式设备上，使其能够检测语音、对图像进行分类等。
• 将 AI 添加到硬件设备，而无需依赖网络连接。