Διαδίκτυος Microcontroller Καλλιέργεια στην Ελλάδα

Αυτή η εκπαίδευση με διδάσκοντα, ζωντανή σε Ελλάδα (online ή offline), στόχο της έχει τους μεσαιτιακούς μηχανικούς ενσωματωμένων συστημάτων και τους αναπτυξτές AI που θέλουν να εφαρμόσουν μοντέλα machine learning σε microcontrollers χρησιμοποιώντας TensorFlow Lite και Edge Impulse.

Ακολουθήσαντας αυτή την εκπαίδευση, οι συμμετέχοντες θα μπορούν να:

• Διαθέσουν γνώση των βασικών της TinyML και των πλεονεκτημάτων της για εφαρμογές edge AI.
• Εγκαθιδρύσουν ένα περιβάλλον ανάπτυξης για TinyML projects.
• Διαμόρφωση, τερματοποίηση και εγκατάσταση AI μοντέλων σε low-power microcontrollers.
• Χρήση TensorFlow Lite και Edge Impulse για την εφαρμογή πρακτικών TinyML εφαρμογών.
• Διευκόλυνση AI μοντέλων για αποδοτικότητα ισχύος και περιορισμούς υπολογιστικής μνήμης.

Αυτή η διδασκαλία υπό την καθοδήγηση του εκπαιδευτή (online ή on-site) απευθύνεται σε μηχανικούς που επιθυμούν να μάθουν πώς να χρησιμοποιήσουν το embedded C για να προγραμματίσουν διάφορους τύπους μικροελέγχων που βασίζονται σε διαφορετικές αρχιτεκτονικές προεξεργάστη (8051, ARM CORTEX M-3 και ARM9).

Σε αυτή την εκπαίδευση με διδάκτορα, σε ζωντανό περιβάλλον σε Ελλάδα, οι συμμετέχοντες θα μάθουν να προγραμματίζουν το Arduino για πρακτική χρήση, όπως τον έλεγχο φωτιών, μωτέρων και αισθητών κίνησης. Αυτό το μάθημα υποθέτει τη χρήση πραγματικών συσκευών σε ζωντανό εργαστήριο (χωρίς λογισμικά μιμημένες συσκευές). 

Στο τέλος αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν να:

• Προγραμματίζουν το Arduino για τον έλεγχο φωτιών, μωτέρων και άλλων συσκευών.
• Κατανοούν την αρχιτεκτονική του Arduino, συμπεριλαμβανομένων των εισόδων και των συνδυασμών για προσθετές συσκευές.
• Προσθέτουν συσκευές τρίτων, όπως LCDs, επιταχυντήρια, γYROSCOPEs και GPS trackers, για να επεκταθεί η λειτουργία του Arduino.
• Κατανοούν τις διάφορες επιλογές σε γλώσσες προγραμματισμού, από τη C μέχρι τις γλώσσες πρωτύπωσης και μετάδοσης.
• Εξετάζουν, αποσφαλίζουν και εγκαθιστούν το Arduino για την επίλυση πραγματικών προβλημάτων.