اپلیکیشن اندرویدی فلش‌کارت آموزشی استقرار مدل‌های AI روی دستگاه‌های شخصی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استقرار مدل‌های AI روی دستگاه‌های شخصی

موضوع کلی: تکامل نرم‌افزار و سخت‌افزار کامپیوترهای شخصی

موضوع میانی: AI و یادگیری ماشین در GPU

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم پایه هوش مصنوعی
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. نظارت شده در مقابل یادگیری بدون نظارت
• 4. مراحل اصلی یک پروژه یادگیری ماشین
• 5. انتخاب مجموعه داده مناسب برای پروژه
• 6. پیش پردازش داده‌ها: پاکسازی و تبدیل
• 7. ویژگی‌های مهندسی: ایجاد ویژگی‌های جدید
• 8. تقسیم داده‌ها: آموزش، اعتبارسنجی و آزمودن
• 9. معیارهای ارزیابی مدل‌های یادگیری ماشین
• 10. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 11. ساختار یک شبکه عصبی: نورونها، لایه‌ها، وزن‌ها
• 12. تابع فعال‌سازی: ReLU، Sigmoid، Tanh
• 13. انتخاب الگوریتم آموزش مناسب: گرادیان نزولی
• 14. بیش‌برازش و کم‌برازش: تنظیم پارامترها
• 15. روش‌های تنظیم پارامترها: اعتبارسنجی متقاطع
• 16. مقدمه‌ای بر یادگیری عمیق
• 17. شبکه‌های کانولوشنی: پردازش تصاویر
• 18. شبکه‌های بازگشتی: پردازش داده‌های ترتیبی
• 19. شبکه‌های مولد تخاصمی: تولید داده‌های جدید
• 20. فریم‌ورک‌های یادگیری عمیق: TensorFlow، PyTorch
• 21. مقدمه‌ای بر استقرار مدل‌های AI
• 22. مفهوم استقرار: از آزمایشگاه تا کاربرد واقعی
• 23. انتخاب پلتفرم مناسب برای استقرار: دستگاه‌های شخصی، سرورها، ابر
• 24. مقدمه‌ای بر TensorFlow Lite
• 25. نحوه تبدیل مدل‌های TensorFlow به TensorFlow Lite
• 26. بهینه‌سازی مدل برای استقرار روی دستگاه‌های موبایل
• 27. مقدمه‌ای بر PyTorch Mobile
• 28. نحوه تبدیل مدل‌های PyTorch به PyTorch Mobile
• 29. بهینه‌سازی مدل برای استقرار روی دستگاه‌های موبایل
• 30. استقرار مدل‌های AI روی سیستم عامل Android
• 31. استقرار مدل‌های AI روی سیستم عامل iOS
• 32. استقرار مدل‌های AI روی سیستم عامل Windows
• 33. استقرار مدل‌های AI روی سیستم عامل Linux
• 34. استفاده از API‌های استقرار مدل‌های AI
• 35. مقدمه‌ای بر ONNX Runtime
• 36. نحوه تبدیل مدل‌های مختلف به ONNX
• 37. استفاده از ONNX Runtime برای استقرار مدل‌های AI
• 38. نحوه بهینه‌سازی مدل‌های ONNX
• 39. استقرار مدل‌های AI روی دستگاه‌های Raspberry Pi
• 40. استقرار مدل‌های AI روی دستگاه‌های Edge
• 41. مقدمه‌ای بر استقرار مدل‌های AI در مرورگرها
• 42. استفاده از TensorFlow.js برای استقرار مدل‌های AI در مرورگرها
• 43. استفاده از WebAssembly برای استقرار مدل‌های AI در مرورگرها
• 44. نحوه بهینه‌سازی مدل‌های AI برای استقرار در مرورگرها
• 45. مقدمه‌ای بر امنیت مدل‌های AI