Aufbaukurs zur Entwicklung eingebetteter Systeme Schulung

In dieser dozentengeführten Live-Schulung in Österreich lernen die Teilnehmer, wie man Arduino für reale Anwendungen programmiert, z. B. zum Steuern von Lichtern, Motoren und Bewegungsmeldern. Dieser Kurs setzt die Verwendung echter Hardwarekomponenten in einer Live-Lab-Umgebung voraus (keine softwarebasierte Simulation).

Nach Abschluss dieser Schulung werden die Teilnehmer:

• Arduino programmieren können, um Lichter, Motoren und andere Geräte zu steuern.
• Die Architektur von Arduino verstehen, einschließlich Eingänge und Anschlüsse für Zubehörgeräte.
• Drittanbieterkomponenten wie LCDs, Beschleunigungsmesser, Gyroskope und GPS-Tracker hinzufügen können, um die Funktionalität von Arduino zu erweitern.
• Die verschiedenen Programmiersprachenoptionen verstehen, von C bis hin zu Drag-and-Drop-Sprachen.
• Arduino testen, debuggen und einsetzen können, um Probleme in der realen Welt zu lösen.

Dieser von einem Dozenten geleitete Live-Trainingskurs (online oder vor Ort) richtet sich an C-Entwickler, die die Entwurfprinzipien für eingebettete C-Programme erlernen möchten.

Nach Abschluss dieses Trainings können Teilnehmer:

• die Designüberlegungen verstehen, die eingebettete C-Programme zuverlässig machen
• die Funktionalität eines eingebetteten Systems definieren
• die Programmlogik und -struktur festlegen, um das gewünschte Ergebnis zu erzielen
• eine zuverlässige, fehlerfreie eingebettete Anwendung entwerfen
• durchschnittliche Leistungsmerkmale der Zielhardware nutzen

Kursformat:

• Interaktiver Vortrag und Diskussion
• Übungen und Praxis
• Praktische Implementierung in einer Live-Lab-Umgebung

Möglichkeiten zur Kursanpassung:

• Um einen maßgeschneiderten Trainingskurs für diesen Kurs anzufordern, kontaktieren Sie uns bitte.

Diese von einem Dozenten geleitete Live-Schulung in <Ort> (online oder vor Ort) richtet sich an fortgeschrittene eingebettete Systemingenieure und KI-Entwickler, die maschinelles Lernen-Modelle auf Mikrocontrollern mit TensorFlow Lite und Edge Impulse bereitstellen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Grundlagen von TinyML und deren Vorteile für Edge-KI-Anwendungen zu verstehen.
• Eine Entwicklungsumgebung für TinyML-Projekte einzurichten.
• KI-Modelle auf stromsparenden Mikrocontrollern zu trainieren, zu optimieren und bereitzustellen.
• TensorFlow Lite und Edge Impulse zur Implementierung praxisnaher TinyML-Anwendungen zu nutzen.
• KI-Modelle für Energieeffizienz und Speichereinschränkungen zu optimieren.

Das RISC-V-Ökosystem hat sich von einer Nischen-Open-Source-ISA zu einer Mainstream-Architektur mit signifikanter Marktdynamik in den Bereichen Edge Computing, IoT, Automobilindustrie, KI-Beschleunigung und Server-Prozessoren entwickelt. Branchenberichte weisen auf einen kritischen Fachkräftemangel hin: Weltweit gibt es weniger als 5.000 RISC-V-Chipdesigner, während geschätzt über 15.000 offene Stellen in der Halbleiterindustrie bestehen. Wichtige Einstellungstrends zeigen, dass Arbeitgeber Kenntnisse in der RISC-V-Architektur kombinieren mit SoC-Design, RTL-Verifikation (UVM/SystemVerilog), Entwicklung von KI-Beschleunigern, Rust-Systemprogrammierung, vertraulicher Computing, sowie Fähigkeiten im Umgang mit Open-Source-Toolchains priorisieren. Der Aufstieg automotive-konformer RISC-V-Prozessoren (ISO 26262), Server-Klassen-Prozessoren (AIA-Interrupt-Controller, Multi-Core-Kohärenz) und Edge-AI-Inferenz-NPUs stellt die am schnellsten wachsenden Kompetenzbereiche dar. Unternehmen wie SiFive, Qualcomm und Western Digital haben die RISC-V-Entwicklung beschleunigt und damit die Nachfrage nach Ingenieuren getrieben, die Architektur-Spezifikationen, Silizium-Implementierung, Firmware und Software-Stack-Entwicklung in einem einzigen Skill-Set vereinen können.