دوره طراحی و پیاده‌سازی سامانه‌های هوشمند سبک و کم‌مصرف بر روی لبه (Edge Computing) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی سامانه‌های هوشمند سبک و کم‌مصرف بر روی لبه (Edge Computing)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بهینه‌سازی مدل‌های یادگیری عمیق برای سخت‌افزارهای محدود

📋 سرفصل‌های دوره

• 1. مبانی محاسبات لبه و ضرورت بهینه‌سازی مدل‌های هوش مصنوعی
• 2. معماری سخت‌افزارهای پردازشی در سامانه‌های لبه
• 3. چالش‌های محدودیت منابع در اجرای یادگیری عمیق
• 4. روش‌های کاهش دقت و فشرده‌سازی مدل‌ها
• 5. آشنایی با تکنیک هرس کردن شبکه‌های عصبی
• 6. انواع روش‌های هرس ساختاریافته و غیرساختاریافته
• 7. اصول و مبانی کوانتیزاسیون وزن‌ها و فعال‌سازها
• 8. کوانتیزاسیون پس از آموزش و تنظیم دقیق مدل
• 9. تبدیل مدل‌های شناور به اعداد صحیح برای سخت‌افزار
• 10. معرفی تقطیر دانش برای ایجاد مدل‌های کوچک
• 11. استراتژی‌های انتخاب مدل معلم و دانش‌آموز
• 12. معماری‌های سبک شبکه‌های عصبی کانولوشنی
• 13. بررسی ساختار MobileNet و بلوک‌های جداساز عمقی
• 14. بهینه‌سازی شبکه‌های عصبی برای پردازش بلادرنگ
• 15. مدیریت حافظه در اجرای استنتاج بر روی لبه
• 16. تکنیک‌های اشتراک‌گذاری وزن‌ها و کدگذاری
• 17. بهینه‌سازی لایه‌های تمام‌متصل در مدل‌های سبک
• 18. پیاده‌سازی مدل‌های هوشمند روی بردهای امبدد
• 19. استفاده از شتاب‌دهنده‌های سخت‌افزاری در لبه
• 20. معرفی کتابخانه‌های تخصصی برای استنتاج سبک
• 21. تطبیق مدل با محدودیت‌های توان مصرفی
• 22. تکنیک‌های کاهش تاخیر در پاسخ‌دهی سیستم
• 23. ارزیابی عملکرد مدل‌های سبک در محیط‌های واقعی
• 24. بهینه‌سازی خط لوله داده برای ورودی‌های حسگر
• 25. مدیریت توان در سیستم‌های هوشمند مبتنی بر باتری
• 26. استفاده از یادگیری انتقالی برای سفارشی‌سازی مدل‌های سبک
• 27. روش‌های تحلیل و پایش مصرف انرژی در پردازش لبه
• 28. تکنیک‌های موازی‌سازی عملیات در پردازنده‌های کم‌مصرف
• 29. پیاده‌سازی استنتاج روی میکروکنترلرها با TensorFlow Lite
• 30. بهینه‌سازی مدل برای پردازشگرهای سیگنال دیجیتال
• 31. استفاده از حافظه نهان برای افزایش سرعت استنتاج
• 32. بررسی تاثیر نوع داده بر دقت و کارایی مدل
• 33. روش‌های کاهش حجم مدل بدون افت شدید دقت
• 34. معماری‌های مبتنی بر توجه در مدل‌های سبک
• 35. تکنیک‌های بهینه‌سازی گراف محاسباتی
• 36. تطبیق مدل‌های بینایی ماشین با سخت‌افزارهای لبه
• 37. استفاده از FPGA در شتاب‌دهی به مدل‌های سبک
• 38. روش‌های ارزیابی جامع برای سامانه‌های هوشمند لبه
• 39. چالش‌های پیاده‌سازی و استقرار مدل در مقیاس وسیع
• 40. تلفیق بهینه‌سازی نرم‌افزاری با محدودیت‌های سخت‌افزاری