دوره تشخیص ناهنجاری Hybrid در سیستم‌های تعبیه‌شده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشخیص ناهنجاری Hybrid در سیستم‌های تعبیه‌شده

موضوع کلی: برنامه‌نویسی سیستم‌های تعبیه‌شده (Embedded Systems)

موضوع میانی: Anomaly detection algorithms

📋 سرفصل‌های دوره

• 1. تشخیص ناهنجاری در سیستم‌های تعبیه‌شده: مقدمه‌ای
• 2. سیستم‌های تعبیه‌شده و کاربردهای آن‌ها
• 3. معماری سیستم‌های تعبیه‌شده
• 4. سنسورها و مبدل‌های آنالوگ به دیجیتال در سیستم‌های تعبیه‌شده
• 5. پردازنده‌های میکروکنترلری و میکروپروسسوری
• 6. سیستم‌عامل‌های بی‌درنگ (RTOS)
• 7. شبکه‌های ارتباطی در سیستم‌های تعبیه‌شده
• 8. مفاهیم ناهنجاری و انواع آن
• 9. ناهنجاری‌های سخت‌افزاری در سیستم‌های تعبیه‌شده
• 10. ناهنجاری‌های نرم‌افزاری در سیستم‌های تعبیه‌شده
• 11. روش‌های مبتنی بر آستانه برای تشخیص ناهنجاری
• 12. روش‌های آماری برای تشخیص ناهنجاری
• 13. روش‌های مبتنی بر یادگیری ماشین برای تشخیص ناهنجاری
• 14. تشخیص ناهنجاری با استفاده از الگوریتم‌های خوشه‌بندی
• 15. تشخیص ناهنجاری با استفاده از الگوریتم‌های طبقه‌بندی
• 16. تشخیص ناهنجاری با استفاده از شبکه‌های عصبی
• 17. تشخیص ناهنجاری در داده‌های سری زمانی
• 18. تشخیص ناهنجاری در داده‌های تصویری
• 19. تشخیص ناهنجاری در داده‌های صوتی
• 20. تشخیص ناهنجاری در شبکه‌های حسگر بی‌سیم (WSN)
• 21. تشخیص ناهنجاری در سیستم‌های کنترل صنعتی (ICS)
• 22. تشخیص ناهنجاری در سیستم‌های خودرویی
• 23. تشخیص ناهنجاری در دستگاه‌های پزشکی
• 24. تشخیص ناهنجاری در سیستم‌های هوشمند ساختمان
• 25. تشخیص ناهنجاری در سیستم‌های انرژی هوشمند
• 26. روش‌های کاهش ابعاد برای تشخیص ناهنجاری
• 27. انتخاب ویژگی‌های مناسب برای تشخیص ناهنجاری
• 28. ارزیابی عملکرد الگوریتم‌های تشخیص ناهنجاری
• 29. متریک‌های ارزیابی: دقت، بازیابی، F1-score
• 30. مجموعه داده‌های استاندارد برای تشخیص ناهنجاری
• 31. پیاده‌سازی تشخیص ناهنجاری با استفاده از پایتون
• 32. پیاده‌سازی تشخیص ناهنجاری با استفاده از MATLAB
• 33. تشخیص ناهنجاری در سیستم‌های تعبیه‌شده با محدودیت منابع
• 34. بهینه‌سازی الگوریتم‌های تشخیص ناهنجاری برای سیستم‌های تعبیه‌شده
• 35. تشخیص ناهنجاری مبتنی بر مدل‌سازی رفتار سیستم
• 36. تشخیص ناهنجاری مبتنی بر آنالیز ترافیک شبکه
• 37. تشخیص ناهنجاری مبتنی بر تشخیص تغییرات
• 38. تشخیص ناهنجاری مبتنی بر روش‌های مبتنی بر فاصله
• 39. تشخیص ناهنجاری با استفاده از خودرمزگذارها (Autoencoders)
• 40. تشخیص ناهنجاری با استفاده از ماشین‌های بردار پشتیبان (SVM)
• 41. تشخیص ناهنجاری با استفاده از جنگل‌های تصادفی (Random Forests)
• 42. تشخیص ناهنجاری با استفاده از الگوریتم‌های تک‌کلاسه (One-Class Algorithms)
• 43. تشخیص ناهنجاری در سیستم‌های بلادرنگ
• 44. تشخیص ناهنجاری توزیع‌شده در سیستم‌های تعبیه‌شده
• 45. امنیت سیستم‌های تعبیه‌شده و تشخیص ناهنجاری
• 46. چالش‌ها و آینده‌ی تشخیص ناهنجاری در سیستم‌های تعبیه‌شده
• 47. بررسی موردی: تشخیص ناهنجاری در یک سیستم کنترل دما
• 48. بررسی موردی: تشخیص ناهنجاری در یک سیستم نظارت بر سلامت
• 49. بررسی موردی: تشخیص ناهنجاری در یک سیستم امنیتی هوشمند
• 50. تکنیک‌های پیش‌پردازش داده برای تشخیص ناهنجاری
• 51. روش‌های مقابله با داده‌های پرت (Outliers)
• 52. روش‌های مقابله با داده‌های نامتوازن (Imbalanced Data)
• 53. استفاده از الگوریتم‌های تشخیص ناهنجاری در محیط‌های ابری
• 54. تشخیص ناهنجاری مبتنی بر بلاک‌چین در سیستم‌های تعبیه‌شده
• 55. اثرات تشخیص ناهنجاری بر قابلیت اطمینان سیستم‌های تعبیه‌شده