دوره پیاده‌سازی و اجرای مدل‌های هوش مصنوعی در لبه شبکه با استفاده از پلتفرم AWS Greengrass همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی و اجرای مدل‌های هوش مصنوعی در لبه شبکه با استفاده از پلتفرم AWS Greengrass

موضوع کلی: رایانش ابری و هوش مصنوعی

موضوع میانی: اینترنت اشیاء (IoT) و لبه‌پردازی (Edge Computing)

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی رایانش لبه و معماری اینترنت اشیاء
• 2. آشنایی با مفاهیم هوش مصنوعی در لبه شبکه
• 3. معرفی پلتفرم AWS IoT Greengrass و مزایای آن
• 4. ساختار و اجزای اصلی سرویس Greengrass
• 5. نحوه عملکرد هسته Greengrass بر روی دستگاه‌های لبه
• 6. آماده‌سازی محیط توسعه و نیازمندی‌های سخت‌افزاری
• 7. مفاهیم پایه در مدل‌سازی یادگیری ماشین برای لبه
• 8. انتخاب مدل‌های بهینه برای اجرا در محیط‌های محدود
• 9. مراحل انتقال مدل‌های هوش مصنوعی به لبه شبکه
• 10. کار با سرویس AWS SageMaker برای آموزش مدل‌ها
• 11. بهینه‌سازی مدل‌ها با استفاده از SageMaker Neo
• 12. مدیریت و استقرار کامپوننت‌های نرم‌افزاری در Greengrass
• 13. پیکربندی کانتینرهای Docker برای اجرای مدل‌های هوش مصنوعی
• 14. برقراری ارتباط امن میان دستگاه‌های لبه و ابر
• 15. مدیریت پیام‌ها و پروتکل MQTT در اینترنت اشیاء
• 16. پیاده‌سازی توابع Lambda در محیط Greengrass
• 17. کار با جریان‌های داده (Data Streams) در لبه شبکه
• 18. استفاده از Local Resource Access برای دسترسی به سخت‌افزار
• 19. مانیتورینگ و مشاهده وضعیت دستگاه‌های لبه
• 20. مدیریت چرخه‌ی حیات مدل‌های هوش مصنوعی در شبکه
• 21. عیب‌یابی و رفع خطاهای متداول در استقرار مدل‌ها
• 22. امنیت در اینترنت اشیاء و لبه‌پردازی مطابق استانداردهای ابری
• 23. مدیریت گواهینامه‌ها و احراز هویت در AWS IoT
• 24. استفاده از قابلیت‌های Offline برای پایداری سیستم
• 25. به‌روزرسانی مدل‌ها از راه دور (Over-the-Air Updates)
• 26. تحلیل داده‌ها در لبه شبکه برای کاهش تأخیر
• 27. بهینه‌سازی مصرف منابع در دستگاه‌های لبه
• 28. پیاده‌سازی سیستم‌های تصمیم‌گیر هوشمند در لبه
• 29. یکپارچه‌سازی Greengrass با سرویس‌های تحلیل داده AWS
• 30. بررسی موردی: پیاده‌سازی تشخیص اشیاء در لبه شبکه
• 31. بررسی موردی: پیش‌بینی خرابی تجهیزات در محیط‌های صنعتی
• 32. استفاده از رابط کاربری خط فرمان (CLI) برای مدیریت Greengrass
• 33. مستندسازی و استانداردهای گزارش‌دهی در پروژه‌های لبه
• 34. اخلاق حرفه‌ای و مسئولیت‌پذیری در توسعه سامانه‌های هوشمند
• 35. روندهای آینده در حوزه هوش مصنوعی لبه و رایانش ابری