Microcontroller培训

这个面向中级嵌入式系统工程师和 AI 开发人员的以讲师为导向的实时培训（在线或现场）旨在使参加者能够使用 TensorFlow Lite 和 Edge Impulse 在微控制器上部署机器学习模型。

培训结束时，参与者将能够：

• 了解 TinyML 的基本原则及其对边缘 AI 应用程序的好处。
• 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 实现现实世界的 TinyML 应用程序。
• 对 AI 模型进行优化以提高功率效率和内存限制。

这个由讲师指导的现场培训<本地>（在线或现场）面向希望学习如何使用嵌入式 C 语言对基于不同处理器架构（8051、ARM CORTEX M-3 和 ARM9）的各种类型的微控制器进行程式设计的工程师。

在这个以讲师为主导的中国现场培训中，参与者将学习如何对Arduino进行程式设计以供实际使用，例如控制灯，电机和运动检测感测器。本课程假设在即时实验室环境中使用真实的硬体元件（而不是软体模拟硬体）。 

在培训结束时，参与者将能够：

• 程式 Arduino 控制灯、电机和其他设备。
• 了解 Arduino 的架构，包括附加设备的输入和连接器。
• 添加第三方组件（例如 LCD、加速计、陀螺仪和 GPS 追踪器）以扩展 Arduino 的功能。
• 了解程式设计语言中的各种选项，从 C 语言到拖放语言。
• 测试、调试和部署 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是一个非常小,单板计算机。

在这项由导师领导的现场培训中,参与者将学习如何设置和编程 Raspberry Pi 作为一个互动和强大的内置系统。

在本研讨会结束后,参与者将能够:

• 建立 IDE(综合发展环境)以实现最大发展生产力
• 程序 Raspberry Pi 控制设备,如动作传感器,警报,网页服务器和打印机。
• 了解 Raspberry Pi's 架构,包括插入和连接器的附加设备。
• 了解编程语言和操作系统中的各种选项
• 测试,排泄,并部署 Raspberry Pi 解决现实世界问题

观众

• 开发者
• 硬件/软件技术人员
• 所有行业的技术人员
• 趣味

课程格式

• 部分讲座,部分讨论,练习和重实习

笔记

• Raspberry Pi支持各种操作系统和编程语言。 本课程将使用基于Raspbian的操作系统和1作为编程语言。 要要求具体设置,请联系我们安排。
• 參與者負責購買 Raspberry Pi 硬件和部件。

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。