دوره بهینه‌سازی شبکه‌های عصبی برای سیستم‌های نهفته و اینترنت اشیاء (IoT) بر مبنای معماری MCUNet همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی شبکه‌های عصبی برای سیستم‌های نهفته و اینترنت اشیاء (IoT) بر مبنای معماری MCUNet

موضوع کلی: مهندسی کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین بر روی لبه (TinyML) و سخت‌افزارهای کم‌مصرف

📋 سرفصل‌های دوره

• 1. مبانی و ضرورت‌های یادگیری ماشین بر روی لبه
• 2. معماری سیستم‌های نهفته و محدودیت‌های منابع سخت‌افزاری
• 3. آشنایی با میکروکنترلرهای کم‌مصرف در کاربردهای اینترنت اشیاء
• 4. چالش‌های پیاده‌سازی شبکه‌های عصبی عمیق روی سخت‌افزارهای محدود
• 5. مروری بر معماری‌های یادگیری ماشین و جایگاه TinyML
• 6. مبانی شبکه عصبی MCUNet و بهینه‌سازی حافظه
• 7. روش‌های کاهش ابعاد مدل و فشرده‌سازی شبکه‌های عصبی
• 8. تکنیک‌های کوانتایزاسیون و تأثیر آن بر دقت مدل
• 9. روش‌های کاهش مصرف انرژی در پردازش‌های لبه
• 10. الگوریتم‌های هرس شبکه برای کاهش حجم پارامترها
• 11. بهینه‌سازی سلسله‌مراتبی در معماری‌های شبکه عصبی
• 12. پیاده‌سازی توابع فعال‌ساز بهینه برای میکروکنترلرها
• 13. مدیریت حافظه در زمان اجرای استنتاج روی تراشه
• 14. بررسی معماری TinyEngine برای اجرای کارآمد مدل‌ها
• 15. تکنیک‌های بهینه‌سازی عملیات ضرب ماتریسی در سیستم‌های نهفته
• 16. انتخاب مجموعه داده‌های استاندارد برای آموزش مدل‌های لبه
• 17. روش‌های آموزش مدل با در نظر گرفتن محدودیت‌های سخت‌افزاری
• 18. ارزیابی معیارهای کارایی شامل تأخیر، حافظه و مصرف انرژی
• 19. پیاده‌سازی مدل‌های یادگیری ماشین روی میکروکنترلرهای سری ARM Cortex-M
• 20. ابزارهای شبیه‌سازی و تست مدل‌های بهینه‌شده
• 21. بررسی تأثیرات محدودیت‌های توان بر دقت استنتاج
• 22. روش‌های افزایش پایداری مدل در محیط‌های نویزی اینترنت اشیاء
• 23. استراتژی‌های انتقال یادگیری برای سیستم‌های مبتنی بر MCU
• 24. بررسی موردی کاربردهای بینایی ماشین در سیستم‌های نهفته
• 25. پیاده‌سازی تشخیص الگوهای صوتی بر روی سخت‌افزارهای کم‌مصرف
• 26. تکنیک‌های کاهش داده‌های ورودی برای بهبود سرعت پردازش
• 27. مدیریت چرخه حیات مدل‌های هوش مصنوعی در تجهیزات IoT
• 28. امنیت در تبادل داده‌های مدل‌های یادگیری ماشین لبه
• 29. بهینه‌سازی نرم‌افزاری برای کاهش سیکل‌های پردازشی CPU
• 30. آینده هوش مصنوعی در سیستم‌های نهفته و اینترنت اشیاء صنعتی
• 31. پروژه نهایی: طراحی و پیاده‌سازی یک مدل کوچک‌سازی شده روی سخت‌افزار هدف