|
嵌入式人工智能课程学习路线
【第一阶段】嵌入式开发基础理论 嵌入式人工智能作为目前最热门的计算机应用领域之一，嵌入式C语言在其中起着至关重要的作用。一个精通C语言程序设计的程序员，可以很容易地进入Linux、Vxworks等嵌入式操作系统下的软件开发工作。第一阶段分为Linux基础及语言高级、数据结构两大课程，通过课程学习让学员对Linux操作系统的使用、C语言编程、嵌入式Linux的开发环境以及高级数据结构有一定的精通掌握。 课程间小项目包括：计算器、字符串解析器、通讯录、小游戏开发等。 本阶段职业定位：嵌入式Linux软件开发工程师、C语言开发工程师、Linux软件开发工程师。
【第二阶段】嵌入式应用层开发核心课程 参加嵌入式应用层开发核心课程的学员应该掌握嵌入式C语言高级编程技巧和Linux底层开发的编程技巧。嵌入式Linux应用开发和Linux底层开发上嵌入式Linux中最重要的一部分，也是企业人才需求最广的一部分。本阶段分为LinuxI/O及文件目录控制、Linux进程及线程开发、Linux网络开发及综合案例、C++语言课程和Qt应用开发五个课程，学员应当精通掌握嵌入式C语言高级编程技巧、嵌入式Linux下的程序设计、开发程序设计以及网络编程开发能力。 课程间小项目包括：命令行解析器、文件服务器、网络聊天室、Ping客户端、电子词典、员工管理系统等。 本阶段职业定位：嵌入式Linux应用工程师、Linux网络开发工程师、C++开发工程师、QT开发工程师。
【第三阶段】5G物联网核心开发课程 本阶段课程包括STM32开发和5G窄带物联网开发两个课程，主要通过大量的项目实战课程，让学员熟悉物联网开发中核心STM32开发技术、掌握5G窄带物联网开发应用NB-IoT和LoRa无线通信技术，理清重点、难点、疑点知识，达到举一反三，融会贯通，结合企业案例，独立完成项目开发。 课程间小项目包括：STM32智能家居、LoRa智慧牧场、NB-IoT智慧消防、NB-IoT智慧冷链系统等。 本阶段职业定位：物联网开发工程师。
【第四阶段】嵌入式底层开发核心课程 第四阶段是嵌入式体系中最核心最有技术难度的，包括ARM开发技术、Linux系统移植、Linux内核及驱动开发、Android移植开发四大课程，学员需要熟练掌握ARM体系结构、Linux系统移植、Linux驱动开发初、高级等内容，熟悉实战操作技巧结合企业案例，独立完成项目作品开发。 课程间小项目包括：软中断程序、LED控制程序、UART控制程序、按键中断程序、PWM蜂鸣器程序、uboot移植、内核移植、Android系统开机画面定制、Android系统开机服务定制、Android系统开机动画及音乐定制、Android系统桌面定制等。 本阶段职业定位：嵌入式Linux系统工程师、Linux kernel工程师、嵌入式Linux驱动工程师、Android系统工程师、Android驱动工程师。
【第五阶段】人工智能核心开发课程 人工智能是一门极富挑战性的学科，目前人工智能AI与嵌入式和物联网的结合产品有很多，也是一个火热的技术。本阶段包括Python和人工智能机器学习两门课程，基于第一大主流编程语言Python，让学员熟悉人工智能概念与行业前景，掌握Python编程基础及常用库使用、TensorFlow基础及神经网络、熟悉TFlearn相关知识点。 课程间小项目包括：老人防摔手表、摩托车图像识别系统、手写数字识别。 本阶段职业定位：python工程师、人工智能工程师。
【第六阶段】嵌入式人工智能开发拓展与实践 华清远见坚持项目导向式教学，倡导兴趣学习。独家推出智能硬件产品开发、智能系统项目实训嵌入式及物联网结合人工智能项目实训及行业热门案例实训，涵盖知识点多、技术新，是提高实战能力的杀手锏！由于篇幅限制，此处仅提供三项代表项目。
项目一：AI+嵌入式项目应用代表：人工智能工业分拣系统 项目简介： 人工智能工业分拣系统基于AI计算机视觉、AI语音识别+机械臂控制为一体的机械臂控制、仓库货物分拣、整理功能，基于TensorFlow框架，通过深度学习神经网络算法识别仓库货物，在终端进行显示及控制，使用户可以通过机械臂或通过语音发布指令控制机械臂执行将货物进行仓库间的搬运或将仓库内的货物进行整理归位等动作。 系统还可以通过AR增强现实技术实现图像识别，创建与现实中物体相关联的虚拟模型，结合鼠标或者手指的动作来操控虚拟物体，进而机械臂也跟随虚拟物体的移动进行相应的动作，也可以通过UI的操作来直接控制机械臂的运动。 涉及知识点： 嵌入式Linux、Python编程、Qt编程、ARM开发、机械臂开发、TensorFlow开发、AI语音识别技术、AR开发等。
项目二：AI+物联网项目应用代表：AI智能交通系统 项目简介： AI智能交通系统包括ETC不停车收费系统、交通指示灯控制系统、智能路灯控制系统、AI车牌识别系统、智能消防系统、智能交通中央控制系统、物联网智能网关系统、智能交通实训车等各子系统，通过模拟真实交通场景，对各子系统以及智能交通系统中所包括的AI、物联网相关知识点进行整合学习与应用。 涉及知识点： 物联网技术、智能车控制技术、STM32 ARM技术、嵌入式Linux技术、TensorFlow机器学习技术等。
项目三：AI+机器人项目应用代表：人工智能机器人系统 项目简介： 人工智能机器人系统(FS_AIROBOTA)是一款模块化的室内智能机器人学习与研究平台，结构上以自平衡智能车为主体，通过选取Cortex-M4板、卡片式电脑、摄像头、云台以及多种传感与控制器件，可完成自平衡智能车相关的教学与研究。包括基于linux内核的OpenWrt操作系统的WiFi视频传输与控制；采用OpenCV框架实现图像捕捉及预处理的图像处理；采用谷歌的机器学习框架TensorFlow实现深度学习方面的的实际案例，例如：目标检测、人脸识别、微表情识别、车牌识别、数字识别和语音识别等，真正的做到人工智能+嵌入式的项目实践以及理论学习。 人工智能机器人系统(FS_AIROBOTB) 结合了机械、电子、传感器、计算机软硬件、机器人操作系统、人工智能等众多的先进技术。精心设计的金属结构件能够轻易完成机械结构搭建，配合高性能的微处理器，多种常用传感器，若干电机及舵机，方便验证机器人结构的运动特性、微处理器及机器人操作系统等方面的实验。结合人工智能让机器人更加智能，基于TensorFlow框架开发完成训练模型、调试参数、打包模型一系列人工智能开发流程。可实现基于AI计算机视觉+车辆+机械臂为一体的货物抓取项目；基于AI语音识别+车辆+机械臂为一体的车辆控制、机械臂控制，语音发布指令控制车辆的运动和机械臂执行动作；基于ROS机器人操作系统，完成室内地图构建、自主导航、标记识别，室内寻物，室内漫游。 涉及知识点： 平衡车控制技术(机器人FS_AIROBOTA)、ROS机器人操作系统技术（机器人FS_AIROBOTB）、STM32开发技术、嵌入式Linux技术、TensorFlow机器学习技术、AI语音识别技术、机械臂控制技术（机器人FS_AIROBOTB）等。
| 
楼主
标题置顶
标题高亮
