توجه: اگر می خواهید در هزینه های آموزشی مطالب مشابه صرفه جویی کنید، این دوره را شرکت کنید. هزینه دوره های آموزشی رسمی Xilinx معمولاً از 600 دلار تا 4000 دلار است. این دوره نه تنها سیستم پردازش Zynq (PS) بلکه منطق برنامه پذیر (FPGA) و رابط بین آنها را نیز آموزش می دهد.
منتشر شده (20 آوریل 2019): بخشهای شتاب دهنده GCD و UART بعداً اضافه میشوند و با اضافه شدن آن بخشها، قیمت دوره افزایش مییابد.
بهروزرسانی ۱ (۲۲ آوریل ۲۰۱۹): زیرنویسهای انگلیسی برای این دوره فعال هستند
به روز رسانی 2 (02 ژانویه 2020): اضافه کردن سخنرانی جایزه.
AXI چیست؟
Advanced Extensible Interface (AXI) یک گذرگاه سیستم استاندارد صنعتی برای اتصال بین CPU و تجهیزات جانبی در طراحی سیستم روی تراشه (SoC) است. امروزه AXI نسخه 4 (AXI4) در بسیاری از SoC که از پردازندههای ARM Cortex-A استفاده میکنند، مانند Qualcomm Snapdragon، Samsung Exynos، Broadcom (مورد استفاده در Raspberry Pi) و بسیاری دیگر استفاده میشود.
ZYNQ چیست؟
ZYNQ در واقع یک SoC است، نه فقط یک FPGA، زیرا ZYNQ از سیستم پردازنده سخت (ARM Cortex-A9) و منطق قابل برنامه ریزی (FPGA سری 7 Xilinx، معادل Artix-7 FPGA) تشکیل شده است. دستگاه ZYNQ اجرای منطق سفارشی مانند شتاب دهنده سخت افزاری را در ترکیب با نرم افزاری که بر روی ARM Cortex-A9 اجرا می شود را امکان پذیر می کند. ZYNQ همچنین میتواند سیستمعامل لینوکس را اجرا کند، که این دستگاه را شبیه Raspberry Pi محبوب میکند، اما FPGA داخل آن است.
این دوره بر اساس آزمایشگاه عملی با مثال های فراوان است. کدهای نمونه برای هر پروژه در این دوره ارائه شده است.
پس از اتمام این دوره گواهی پایان دوره دریافت خواهید کرد. در صورت نارضایتی از این دوره، ضمانت بازگشت پول 30 روزه Udemy نیز وجود دارد.
بنابراین، روی دکمه دوره کلیک کنید و شما را در داخل دوره ببینیم.
مهندس R&D ، محقق (1000+ دانشجو در Udemy) اروین با بیش از 1000 دانشجو در Udemy علاقه مند به میکروکنترلر و FPGA است. وی به عنوان مهندس تحقیق و توسعه در یک شرکت نوپا کار کرد. وی سیستم عامل و نرم افزاری را برای سیستم تماس دیجیتال پرستار و سیستم کنترل دسترسی درب با AVR ATmega و چارچوب دات نت توسعه داد. وی نرم افزاری برای رابط بین تجهیزات آزمایشگاهی بالینی و سیستم اطلاعات آزمایشگاهی با سوکت RS-232 و TCP توسعه داد. وی مدرک کارشناسی ارشد خود را در رشته مهندسی الکترونیک در سال 2018 دریافت کرد. وی در حال حاضر یک محقق در مرکز میکروالکترونیک ITB است. علایق اصلی تحقیق وی در ارتباطات نور مرئی/LiFi و یادگیری عمیق است. وی چندین مقاله با عنوان "پیاده سازی هم پردازنده سیستولیک برای استنتاج شبکه عصبی عمیق بر اساس SoC" و "طراحی لایه PHY سیستم OFDM-VLC بر اساس SoC با استفاده از روش استفاده مجدد" در IEEE Xplore منتشر کرد. او در وبلاگهای خود (Hands-On Embedded) آموزشهای مربوط به سیستم تعبیه شده را می نویسد.
نمایش نظرات