Optimisation & Systèmes Embarqués

Optimisation

• Optimisation linéaire
• Optimisation non-linéaire (méthode du gradient, gradient à pas optimal, multiplicateurs de Lagrange)
• L’optimisation appliquée à la robotique (commande optimale basée sur programmation quadratique sous contraintes linéaires)

Système embarqués

• Architectures de Harvard & de Von Neumann
• Connaissance et mise en œuvre des principales fonctionnalités d'un microcontrôleur
• Choix et dimensionnement d'une solution de programmation embarquée par rapport à un besoin donné
• Programmation en C d’une carte Raspberry Pi
• -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

• Optimisation

  • Linear optimisation
  • Non-linear optimisation (gradient descent, Lagrange multipliers)
  • Applying optimisation in robotics (optimal control based on quadratic programming under linear constraints)

  Embedded Systems

  • Harvard & Von Neumann Architectures
  • Knowledge and implementation of the main functions of a microcontroler
  • Choice and implementation of an embedded programming solution adapted to given design specifications
  • C Programming on a Raspberry Pi

Partie optimisation: à la fin du cours, les étudiants seront capables de formuler proprement un problème d’optimisation et de proposer les outils les plus appropriés pour le résoudre.

Partie systèmes embarqués: à la fin du cours, les étudiants sauront choisir et implanter une solution de programmation embarquée par rapport à un besoin donné.

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Optimisation: at the end of the course, the students will know how to formulate an optimisation problem and propose the most appropriate tools for solving it.

Embedded Systems: at the end of the course, the students will know how to choose and implement an embedded programming solution, given the design specifications.

Programmation en C, algèbre linéaire, analyse mathématiques.

Pré-requis recommandés* :

Programmation en Python.

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Indispensable prerequisites: C Programming, linear Algebra, Calculus.

Reccommended prerequisites: Python Programming. 

CM : 15h

 TD :

 TP : 27h

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Contact Hours:

Taught lectures: 15 hours

 Laboratory Practicals:  27 hours