Résultats de la recherche pour "embedded in embedded"

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. PbMonitor v2.0 UpdateBattery Monitoring with Improved Analog Design Audio Latency MeasurementA Standalone Tool for Evaluating Errors and Latency in Audio Transmission Square Wave vs. Bode PlotChecking the Performances of an Audio Device embedded world 2026 Clever Coding with AIAI in Software Development for Electronics Engineers QA403 Audio AnalyzerAffordable Precision for Audio Professionals and Hobbyists EasyGimbalAutonomous Camera Tracking with AI, Stepper and Servo Motors Sigfox Breakout Board (2)Sending Messages Circuit ProtectionControlling Overvoltages with TVS Diodes Emerging Battery Testing ApproachesA New Era of Diagnostics AudiotronicsA First Preamplifier CANopenTermAn Open-Source Tool That Brings CAN to Makers and Engineers Alike Stabilization of Operational AmplifiersAvoiding Feedback Instability Err-lectronicsCorrections, Updates, and Readers’ Letters Signal ConditioningTips and Tricks to Fit Voltage Ranges TDR Attachment for OscilloscopesLength, Short Circuit, Mismatch: Measure Cables Using Reflections! From Life's ExperienceLED It Be Speaker Oscillator and Resonance TesterA Fully Experimental Project for Your Speakers Elektor Community Perspectives on Test and Measurement ESP32 Audio Transceiver Board (Part 5)Audio Processing and Remote Control 2026: An AI OdysseyAI Has a Context Problem Battery Storage for Balcony Power PlantsSmall Batteries, Big Impact

Lis (+) (–)

La série FNIRSI DLA associe une analyse logique USB 3.0 hautes performances à une capture de signaux multicanaux flexible, idéale pour le débogage et l'analyse de circuits numériques et de systèmes embarqués. Cette gamme se décline en deux versions : le DLA-16 Plus, doté de 16 canaux numériques, et le DLA-32 Plus, équipé de 32 canaux numériques. Les deux modèles offrent des fréquences d'échantillonnage allant jusqu'à 1 Géch./s, une mémoire intégrée de 4 Gbits et la prise en charge de plus de 120 décodeurs de protocoles. Grâce aux modes d'acquisition Buffer, Stream et Roll, ils conviennent aussi bien à l'analyse de signaux à haute vitesse qu'à la surveillance à long terme. Optez pour le DLA-16 Plus si vous recherchez des fréquences d'échantillonnage plus élevées lors de l'utilisation de tous les canaux, ou pour le DLA-32 Plus si vous avez besoin d'un nombre de canaux plus important ainsi que de fonctionnalités avancées de déclenchement série et parallèle. Caractéristiques Disponible avec 16 ou 32 canaux d'entrée numérique Fréquence d'échantillonnage jusqu'à 1 Géch./s DLA-16 Plus : jusqu'à 500 Méch./s sur les 16 canaux DLA-32 Plus : jusqu'à 250 Méch./s sur les 32 canaux Mémoire interne de 4 Gbits Interface USB 3.0 haut débit Modes d'acquisition : Buffer, Stream et Roll Prise en charge de plus de 120 décodeurs de protocoles Options de déclenchement avancées 4 sorties PWM avec une plage de fréquence de 1 Hz à 20 MHz Exportation de données aux formats CSV et BIN Spécifications DLA-16 Plus DLA-32 Plus Canaux numériques 16 32 Fréquence d'échantillonnage max. 1 Géch./s Fréquence d'échantillonnage (1 voie) 1 Géch./s Fréquence d'échantillonnage (8 voies) 1 Géch./s Échantillonnage max. Buffer 16 voies à 500 Méch./s 32 voies à 250 Méch./s Échantillonnage max. Stream 16 voies à 125 Méch./s 32 voies à 50 Méch./s Mémoire matérielle 4 Gbit Interface USB 3.0 / USB-C Max. Débit de transfert USB 5 Gbit/s Modes d'acquisition Mémoire tampon / Flux / Défilement Décodeurs de protocoles Plus de 120 Prise en charge de protocoles personnalisés Oui Modes de déclenchement Front montant, front descendant, niveau haut, niveau bas, tout front Déclenchement avancé Déclenchement standard Série et parallèle Étages de déclenchement parallèle – Jusqu'à 16 Sorties PWM 4 Tension de sortie PWM 3,3 V Fréquence PWM 1 Hz – 20 MHz Exportation de données CSV, BIN Dimensions 90 x 81 x 11,5 mm Inclus 1x FNIRSI DLA-16/32 Plus Analyseur logique 4 Jeux de 5 câbles blindés 18x Mini-crochets de test pour CI (version haute configuration) 1x Câble de données USB 3.0 10x Crochets de test pour CI 1x Étui de rangement transparent pour crochets de test 1x Sac de rangement 1x Manual Téléchargement Manual Software for Windows Software for macOS (Apple Silicon) Software for macOS (Intel)

Lis (+) (–)

Diese Ausgabe steht allen GOLD- und GREEN-Mitgliedern auf der ElektorMagazine-Website zum Download bereit! Sie sind noch kein Mitglied? Hier klicken! Cloc 2.0Der Wecker, den Sie sich schon immer gewünscht haben Raspberry Pi Pico: PIO in der PraxisExperimente mit der Programmable I/O des RP2040 ChipTweaker des armen MannesBillige Wege, sie zum Sprechen zu bringen Echter Zufallszahlen-Generator mit USBZwei PICs zum Preis von einem AVR Pimp my mike...Pegelanhebung selbst gebaut FFT mit MaixduinoFrequenzspektren erfassen Aus dem Leben gegriffenEntwurfslogik (oder Un-Logik) Schrittmotor-Treiber UCN5804Bemerkenswerte Bauteile Schaltungssimulation mit Micro-CapErste Schritte in eine komplizierte Welt Der PAUL Award 2022Junge Techniktalente und ihre kreativen Lösungen Mein erstes Software-definiertes RadioGebaut in weniger als 15 Minuten Mikrocontroller-Dokumentation verstehenTeil 1: Aufbau einer Dokumentation KI und eingebettete Systeme - Was kommt als Nächstes?Werkzeuge, Plattformen und das Ende der Textarbeiter Digitalisierung der vertikalen Landwirtschaft Infografik: Embedded und KI, heute und morgen Einführung in TinyML Casestudy KwickPOS High-Performance in jeder KlasseComputer-on-Module-Standards Aller Anfang...muss nicht schwer sein: Werden wir aktiv! I²C-Kommunikation mit Node.js und einem Raspberry PiSehen Sie Ihre Sensordaten in einem Browser Videoausgabe mit MikrocontrollernTeil 2: VGA- und DVI-Ausgabe Das Echtzeit-Betriebssystem MetronomEin RTOS für AVR-Prozessoren DVI auf dem RP2040Ein Interview mit Luke Wren, Chip-Entwickler bei Raspberry Pi Display HAT MiniZeigt die Wettervorhersage auf dem Raspberry Pi WEEF 2022 Awards: Feiern Sie das Gute! Hexadoku

Lis (+) (–)

Build Your Own RISC-V ControllerFirst Steps with the NEORV32 RISC-V Softcore for Low-Cost FPGAs How to Use Arduino’s Serial PlotterPlotting Graphs With Arduino Is Easy CLUE from AdafruitA Smart Solution for IoT Projects Buffer Board for the Raspberry Pi 400Protect the I/Os Raspberry Pi RP2040 Boards Aplenty A Handbook on DIY Electronic Security and EspionageSRAM Heated or Deep-Frozen Component IdentificationTips & Tricks, Best Practices and Other Useful Information DIY Touchless Light Switch Starting out in ElectronicsMatching and Transforming What’s New in Embedded Development?Rust and Keeping IoT Deployments Updated Infographics How the Industrial and Automotive Sectors Will Benefit from 5G Moving Coil RelaysPeculiar Parts, the series HomeLab ToursEverything Revolves Around the Tools... Understanding the Neurons in Neural Networks (Part 4)Embedded Neurons Magnetic Levitation the Very Easy WayThe Third and Most Compact Version PLC Programming with the Raspberry Pi and the OpenPLC ProjectVisualization of PLC Programs with AdvancedHMI From Life's ExperiencePack Up and Leave Under Your RadarMicrocontrollers You Should Know About Monitor and Debug Over the AirA Solution for Arduino, ESP32 and Co. Portable Temperature- and Humidity-Measuring DeviceUsing Ready-Made Modules Lithium Battery Pack RepairSave Money + More Power! GUIs with PythonMeme-Generator Three Questions to Build OnWhy, What, and Who? HexadokuThe Original Elektorized Sudoku

Lis (+) (–)

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. What to expect This Elektor edition guest-edited by Edge Impulse explores the edge AI workflow, from data collection and model training to deployment and optimization: End-to-End Edge AIA hands-on object detection series that walks through the complete machine learning pipeline on embedded hardware. High-Resolution, High-Speed Object Counting (Nvidia Jetson Nano, TensorRT)Pushing inference speed and precision for visual counting applications. PCB Defect Detection with Computer Vision (Raspberry Pi)Smarter manufacturing through embedded vision. Smart Building Ventilation with Sensor FusionAI-powered environmental optimization for energy efficiency. Analog Meter Reading (Arduino Nicla Vision)A TinyML approach to automating analog infrastructure. Smart Appliance Control Using Voice Commands (Nordic Thingy:53)Speech recognition at the edge. Liquid Classification with TinyML (Seeed Wio Terminal + TDS Sensor)Combining IoT sensing and embedded ML for fluid analysis. Surgery Inventory Object DetectionApplying real-time vision to healthcare logistics. Plus, the magazine includes exclusive interviews with: Edge Impulse co-founders Zach Shelby and Jan Jongboom; Qualcomm Technologies VP of product management Manny Singh; and EDGE AI FOUNDATION CEO Pete Bernard. Also included are a Tech the Future essay titled "AI at the Edge: Powering the Next Generation of Devices," an Industry Case Study on GlobalSense, and more. Contents What the Heck Is Edge AI Anyway?Bringing Intelligence to the Device Meet Edge Impulse StudioEasily Build and Deploy Edge AI Models Keyword Spotting with Edge ImpulseCollect, Train, and Deploy Smart Appliance Control Using Voice Commands with the Nordic Thingy:53 Key Terms for Understanding Edge AI and Machine Learning Crash Course: Getting Started with Edge ImpulseLearn to Collect, Train, and Deploy an ML Model with the Arduino Nano 33 BLE Sense A New Chapter for ArduinoFrom Hobby Board to Edge Computing Powerhouse Getting Started with Object Detection on Edge Devices PCB Defect DetectionComputer Vision with Raspberry Pi Scaling AI to the Smallest Devices Optimizing Power Efficiency in Battery-Driven Edge AI Devices AI ToasterWhen Edge AI Meets Breakfast Thundercomm Rubik Pi 3Raspberry Pi Familiarity Meets Edge AI Leadership, Embedded ML, and the Edge Revolution Vision Language Models for the EdgeCascading Models for Better Reliability Get to Know Edge ImpulseQuestions from the Elektor Community Project Update #5: ESP32-Based Energy MeterUsing Edge AI to Recognize Household Loads Motion Recognition with Anomaly DetectionAn End-to-End Tutorial Smart Ventilation System: Fusing Sound and Environmental DataA Dual-MCU Machine Learning Approach for Automated Window and Louver Control Bringing Voice Control to Earbuds and Headsets AI at the Edge: Powering the Next Generation of Devices

Lis (+) (–)

It is becoming important for microcontroller users to quickly learn and adapt to new technologies and architecture used in high performance 32-bit microcontrollers. Many manufacturers now offer 32-bit microcontrollers as general purpose processors in embedded applications. ARM provide 32 and 64-bit processors mainly for embedded applications. These days, the majority of mobile devices including mobile phones, tablets, and GPS receivers are based on ARM technology. The low cost, low power consumption, and high performance of ARM processors makes them ideal for use in complex communication and mixed signal applications. This book makes use of the ARM Cortex-M family of processors in easy-to-follow, practical projects. It gives a detailed introduction to the architecture of the Cortex-M family. Examples of popular hardware and software development kits are described. The architecture of the highly popular ARM Cortex-M processor STM32F107VCT6 is described at a high level, taking into consideration its clock mechanisms, general input/output ports, interrupt sources, ADC and DAC converters, timer facilities, and more. The information provided here should act as a basis for most readers to start using and programming the STM32F107VCT6 microcontroller together with a development kit. Furthermore, the use of the mikroC Pro for ARM integrated development environment (IDE) has been described in detail. This IDE includes everything required to create a project; namely an editor, compiler, simulator, debugger, and device programmer. Although the book is based on the STM32F107VCT6 microcontroller, readers should not find it difficult to follow the projects using other ARM processor family members.

Lis (+) (–)

Cette offre comprend l’AI Fusion Lab Kit, composé de plus de 450 pièces, ainsi que le livre Physical AI with Raspberry Pi. Il offre une introduction complète et pratique à l’IA, à l’électronique et à la programmation en Python. Réalisez des projets concrets combinant vision par ordinateur, interaction vocale, capteurs, moteurs et grands modèles de langage. Le livre inclus vous guide étape par étape, de la configuration du Raspberry Pi et du contrôle du matériel jusqu'à la création d'applications avancées utilisant OpenCV, MediaPipe, YOLO, les services OpenAI et les modèles locaux Ollama. SunFounder AI Fusion Lab Kit pour Raspberry Pi (450+ pièces) Le kit AI Fusion Lab transforme un Raspberry Pi en une plateforme complète pour l'apprentissage de l'intelligence artificielle, de l'électronique et de la programmation en Python. Il est compatible avec les modèles Raspberry Pi 5, 4B, 3B+, 3B et Zero 2 W, ainsi qu'avec des modèles et services d'IA populaires tels que ChatGPT, Gemini, Grok, DeepSeek, Qwen, Doubao et Ollama. Grâce à sa caméra, son module Pan-Tilt HAT, son capteur 10 axes, son microphone, son haut-parleur et ses composants électroniques, ce kit permet aux utilisateurs de réaliser des projets d'IA interactifs combinant voix, vision, mouvement et données de capteurs. Il est idéal pour les débutants, les étudiants, les makers et toute personne souhaitant explorer des applications concrètes de l'IA. Créez des projets d'IA multimodaux Combinez de grands modèles de langage (LLM) avec la reconnaissance vocale, la synthèse vocale, la vision par caméra, des capteurs et des circuits sur platine d'essai. Réalisez des projets capables d'écouter, de parler, de voir, de réagir et d'interagir avec leur environnement, tout en découvrant le fonctionnement des systèmes d'IA modernes. Explorez la vision par IA et le suivi d'objets Utilisez YOLO, OpenCV et MediaPipe pour détecter et suivre des objets, des couleurs, des visages et des mouvements humains. Le module motorisé Pan-Tilt HAT permet à la caméra de suivre automatiquement des cibles, illustrant ainsi la synergie entre la vision par ordinateur et le contrôle de mouvement. IA vocale avec le Fusion HAT+ Le Fusion HAT+ simplifie le contrôle matériel grâce à une bibliothèque Python unifiée et prend en charge l'arrêt sécurisé du Raspberry Pi. Son microphone et son haut-parleur intégrés facilitent le développement d'assistants à commande vocale et d'autres applications d'IA conversationnelle. Compatible avec Raspberry Pi 5, 4B, 3B+, 3B et Zero 2 W Prend en charge plusieurs modèles d'IA, qu'ils soient basés sur le cloud ou locaux Inclut une caméra, une carte Pan-Tilt HAT, un module 10DOF, un microphone et un haut-parleur Projets couvrant l'IA vocale, la vision par ordinateur, les capteurs et l'électronique Tutoriels vidéo, documentation et exemples de code Livre : Physical AI with Raspberry Pi En s'appuyant sur le Raspberry Pi et le kit AI Fusion Lab, cet ouvrage vous guide étape par étape, depuis les bases de l'interfaçage matériel jusqu'au développement de systèmes intelligents capables de voir, d'écouter, de parler et de prendre des décisions. Que vous soyez étudiant, enseignant, maker ou ingénieur, vous acquerrez une expérience précieuse grâce à des projets conçus pour renforcer à la fois vos connaissances et votre confiance en vous. Après avoir abordé la configuration du système, la programmation GPIO, les capteurs, les écrans, les moteurs et les techniques d'automatisation, le livre introduit progressivement des sujets plus avancés tels que la reconnaissance vocale, la synthèse vocale (text-to-speech), l'IA conversationnelle, la reconnaissance d'objets et l'apprentissage automatique (machine learning). Vous apprendrez ainsi à créer des appareils à commande vocale, des assistants intelligents, des systèmes de suivi par caméra, des solutions de surveillance environnementale et des applications embarquées pilotées par l'IA. Explorez des technologies modernes comme les services OpenAI, les grands modèles de langage (LLM) locaux via Ollama, OpenCV, MediaPipe et la détection d'objets YOLO, tout en acquérant une expérience pratique sur des applications concrètes utilisées en robotique, en automatisation industrielle, dans les objets connectés et les systèmes autonomes. Vous découvrirez comment des logiciels intelligents peuvent interagir avec des capteurs, des caméras, des moteurs et des écrans pour créer des systèmes capables de réagir naturellement à leur environnement. Plutôt que de vous contenter de suivre des exemples de code, vous serez encouragé à expérimenter, personnaliser et enrichir chaque projet. Les techniques et compétences développées tout au long de cet ouvrage constituent une base solide pour l'innovation, le prototypage rapide, la recherche et le développement de produits. Si vous êtes prêt à aller au-delà de l'électronique traditionnelle pour explorer l'avenir des systèmes embarqués intelligents, ce livre vous accompagnera à chaque étape de votre parcours. Cette offre groupée contient : SunFounder AI Fusion Lab Kit for Raspberry Pi (d'une valeur de : 100 €) Livre : Physical AI with Raspberry Pi (d'une valeur de : 45 €) Non inclus Raspberry Pi

Lis (+) (–)

Elektor GREEN and GOLD members can download their digital edition here. Not a member yet? Click here. The RISC-V Open-Source Processor Architecture16 Boards and MCUs You Should Know An FPGA-Based Audio Player with Equalizer (1)Mixing Digital Audio with an Arduino MKR Vidor 4000 Laser Head for Pico-Based Sand ClockDrawing with Light Enter the STM32 Edge AI Contest A Multi-Sensor Environmental Monitoring System for PlantsWireless Measurement of Water Supply and Light Conditions Maixduino AI-Powered Automatic DoormanFace Detection with a Camera Embedded Electronics 2024AI Is Set to Redefine the Industry Charge-Based In-Memory Compute at EnCharge AI AI Inferencing at 10 Times Lower Power and 20 Fold Lower Cost Click Board Helps Develop and Train ML Models for Vibration Analysis The Elektor Mini-WheelieA Self-Balancing Robot Kit MCU, I See YouMCUViewer Open-Source Multiplatform Debugging Tool USB 2.0 IsolatorElectrically Isolated Connections for USB Devices Intervention Before DamagePredictive Maintenance in Practice SPoE – Electromagnetic CompatibilitySingle-Pair with Power-Over-Ethernet Through the Eyes of EMC Color TV: A Wonder of Its TimeCreating a New World ECG Graph MonitoringAn Implementation with Hexabitz Modules and an STM32CubeMonitor The Battle for AI at the Edge HaLow Hits Record 16-km Wi-Fi Distance at 900 MHz First CHERI RISC-V Embedded Chip and Early Access Programme Third-Generation Wildfire Detection Uses Satellite Links From Life’s ExperienceChoice Overload Starting Out in Electronics……Continues Filtering and Controls Tone Quasi-Analog ClockworkA Remake of an Elektor Classic A Modular Approach to Sensor TestingThe ESP32-S3-Based Sensor Evaluation Board 2025: An AI OdysseyThe Rise of Foundation Models and Their Role in Democratizing AI Raspberry Pi Standalone MIDI Synthesizer (1)Preparing a Platform for Some Edge AI Experiments Err-lectronicsCorrections, Updates, and Readers’ Letters Universal AI RISC-V Processor Does It All — CPU, GPU, DSP, FPGA CEO Interview: Ventiva’s Thin and Cool Tech Dual-Core Programming with a Raspberry Pi PicoVenture Into the World of Parallel Programming

Lis (+) (–)

Elektor GREEN en GOLD leden kunnen deze uitgave hier downloaden. Nog geen lid? Klik hier om een lidmaatschap af te sluiten. Wat is Edge-AI nu eigenlijk?Intelligentie naar het apparaat brengen Maak kennis met Edge Impulse StudioEenvoudig Edge-AI modellen bouwen en implementeren Keyword spotting met Edge ImpulseVerzamelen, trainen en implementeren Slimme apparaten bedienen via spraakbesturing met de Nordic Thingy:53 Sleutelbegrippen voor het begrijpen van Edge AI en Machine Learning Snelcursus: Aan de slag met Edge ImpulseLeer een ML-model te verzamelen, trainen en implementeren met de Arduino Nano 33 BLE Sense Een nieuw hoofdstuk voor ArduinoVan hobbyboard tot Edge computing-krachtpatser Aan de slag met objectdetectie op edge-apparaten Detectie van defecten op printplatenComputer Vision met de Raspberry Pi AI op maat maken voor de kleinste apparaten Optimalisatie van het energieverbruik in batterijgevoede Edge-AI apparaten AI ToasterWanneer Edge-AI en ontbijt samenkomen Thundercomm Rubik Pi 3Raspberry Pi ervaring in combinatie met Edge AI Leiderschap, Embedded ML en de Edge-revolutie Vision language models voor EdgeModel-cascadering voor betere betrouwbaarheid Maak kennis met Edge ImpulseVragen van de Elektor-community Projectupdate #5: Energiemeter op basis van ESP32Edge-AI gebruiken voor herkenning van huishoudelijke verbruikers Bewegingsherkenning met anomalie-detectieEen uitgebreide training Slim ventilatiesysteem: integratie van geluids- en omgevingsgegevensEen machine learning toepassing met dubbele MCU voor geautomatiseerde bediening van ramen en lamellen Spraakbesturing voor oordopjes en headsets Edge-AI: de volgende generatie apparaten mogelijk maken

Lis (+) (–)

With Examples for Raspberry Pi Pico and ESP32 Creating and programming small electronic systems is now easier than ever before. With inexpensive development boards and modern software tools, anyone curious about embedded design can quickly move from an idea to a working piece of hardware. At the heart of this change is MicroPython—a clear, interactive, and beginner-friendly way to program microcontrollers while still remaining closely connected to the underlying electronics. This book introduces embedded programming through MicroPython on popular platforms such as the Raspberry Pi Pico and the ESP32. You will discover how to use microcontrollers for reading inputs, processing data, and controlling outputs in a predictable, real-time loop. With just a few lines of code, you can blink LEDs, read sensors, drive motors, and communicate with the outside world. The interactive REPL programming interface encourages experimentation and fast learning, making concepts tangible from the very first chapter. While different boards offer different capabilities, they all share the same core principles. Timers, GPIO, analog I/O, PWM, interrupts, and communication interfaces form the foundation of every embedded system. By focusing on these universal building blocks, this book helps you build skills that transfer across platforms and scale naturally toward more advanced development. Whether you are a beginner or an experienced programmer entering embedded systems, you will find that working with MicroPython is both practical and genuinely enjoyable.

Lis (+) (–)

Diese Ausgabe steht allen GOLD- und GREEN-Mitgliedern auf der ElektorMagazine-Website zum Download bereit! Sie sind noch kein Mitglied? Hier klicken! OBD2-Sensor-DashboardEchtzeitdaten statt alter Zeigerinstrumente OBD2: Drehzahlmesser und Schaltblitz nachrüstenRetro, aber praktisch LiDAR- und Vision-Sensoren für die Robotik Sensor+Test 2025 und PCIM 2025 Berührungslose E-Feld-MessungenTeil 1. Eine vibrierende Membran zur Erfassung von Gleichspannungen oder statischen elektrischen Feldern Drahtloser Benachrichtigungsdienst für den BriefkastenVon optischen Sensoren bis zu Empfängern: Entdecken Sie verschiedene Optionen Elektor Mini-WheelieEin selbst-balancierender Roboter SolarzellenBemerkenswerte Bauteile Erste Schritte mit einem modernen RadarsensorPräzise Messungen auf Ihrem Radar? Aus dem Leben gegriffenPapierfabrik CybersecuritySchwere Zeiten für Hacker Siglent präsentiert seine neuen Multi-Kanal-OszilloskopeFür den Einsatz in Leistungselektronik und Embedded Design Bluetooth 6.0 verbessert Distance-Ranging-ApplikationenNeue Version bietet bessere Positionsbestimmungs- und Ortungsdienste für Geräte Kommunikation mit dem BeagleY-AI erkunden Projekt 2.0Korrekturen, Updates und Leserbriefe Aller Anfang ...ist nicht schwer: Das Ende der Operationsverstärker Ein mächtiger KI-Code-AssistentCode-Entwicklung mit Continue und Visual Studio Code Solarladeregler mit MPP-TrackingTeil 2: Die Schaltung Hinderniserkennung mit UltraschallEin einfaches Projekt zur Unterstützung von Menschen mit Sehbehinderungen 2025: Odyssee in die KIHalbjahresrückblick Standalone-MIDI-Synthesizer mit Raspberry PiTeil 3. Mit künstlicher Intelligenz und einer Benutzeroberfläche Meshtastic: Ein DemonstrationsprojektIntelligentes Mesh-Netzwerk auf Basis von LoRa-Funkmodulen Analoger Audio-GeneratorSinus-Generator mit einstellbarer Frequenz

Lis (+) (–)

Elektor GREEN en GOLD leden kunnen deze uitgave hier downloaden. Nog geen lid? Klik hier om een lidmaatschap af te sluiten. Wat is Edge-AI nu eigenlijk?Intelligentie naar het apparaat brengen Maak kennis met Edge Impulse StudioEenvoudig Edge-AI modellen bouwen en implementeren Keyword spotting met Edge ImpulseVerzamelen, trainen en implementeren Slimme apparaten bedienen via spraakbesturing met de Nordic Thingy:53 Sleutelbegrippen voor het begrijpen van Edge AI en Machine Learning Snelcursus: Aan de slag met Edge ImpulseLeer een ML-model te verzamelen, trainen en implementeren met de Arduino Nano 33 BLE Sense Een nieuw hoofdstuk voor ArduinoVan hobbyboard tot Edge computing-krachtpatser Aan de slag met objectdetectie op edge-apparaten Detectie van defecten op printplatenComputer Vision met de Raspberry Pi AI op maat maken voor de kleinste apparaten Optimalisatie van het energieverbruik in batterijgevoede Edge-AI apparaten AI ToasterWanneer Edge-AI en ontbijt samenkomen Thundercomm Rubik Pi 3Raspberry Pi ervaring in combinatie met Edge AI Leiderschap, Embedded ML en de Edge-revolutie Vision language models voor EdgeModel-cascadering voor betere betrouwbaarheid Maak kennis met Edge ImpulseVragen van de Elektor-community Projectupdate #5: Energiemeter op basis van ESP32Edge-AI gebruiken voor herkenning van huishoudelijke verbruikers Bewegingsherkenning met anomalie-detectieEen uitgebreide training Slim ventilatiesysteem: integratie van geluids- en omgevingsgegevensEen machine learning toepassing met dubbele MCU voor geautomatiseerde bediening van ramen en lamellen Spraakbesturing voor oordopjes en headsets Edge-AI: de volgende generatie apparaten mogelijk maken

Lis (+) (–)