دوره فشرده‌سازی شبکه‌های عصبی برای رباتیک تعبیه شده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره فشرده‌سازی شبکه‌های عصبی برای رباتیک تعبیه شده

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین و شبکه‌های عصبی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر رباتیک تعبیه شده و چالش‌های محاسباتی
• 2. شبکه‌های عصبی عمیق: مروری بر معماری‌ها و کاربردها
• 3. ضرورت فشرده‌سازی شبکه‌های عصبی در رباتیک تعبیه شده
• 4. معیارهای ارزیابی فشرده‌سازی شبکه‌های عصبی (دقت، سرعت، اندازه)
• 5. روش‌های هرس کردن (Pruning) شبکه‌های عصبی: مقدمه و انواع
• 6. هرس کردن مبتنی بر وزن (Weight Pruning)
• 7. هرس کردن مبتنی بر نورون (Neuron Pruning)
• 8. هرس کردن ساختاری (Structured Pruning)
• 9. کوانتیزاسیون (Quantization) شبکه‌های عصبی: مفاهیم پایه
• 10. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
• 11. کوانتیزاسیون آگاه از آموزش (Quantization-Aware Training)
• 12. کوانتیزاسیون با دقت پایین (Low-Bit Quantization)
• 13. تقطیر دانش (Knowledge Distillation): اصول و کاربردها
• 14. تقطیر دانش برای شبکه‌های کوچکتر
• 15. ترکیب روش‌های فشرده‌سازی (Pruning, Quantization, Distillation)
• 16. بهینه‌سازی معماری شبکه با جستجوی معماری عصبی (NAS)
• 17. فشرده‌سازی شبکه‌های عصبی بازگشتی (RNN) برای رباتیک
• 18. فشرده‌سازی شبکه‌های عصبی پیچشی (CNN) برای رباتیک
• 19. فشرده‌سازی شبکه‌های عصبی گراف (GNN) برای رباتیک
• 20. پیاده‌سازی فشرده‌سازی شبکه‌های عصبی بر روی میکروکنترلرها
• 21. بهینه‌سازی حافظه و دسترسی به حافظه در رباتیک تعبیه شده
• 22. استفاده از شتاب‌دهنده‌های سخت‌افزاری (مانند TPU، GPU) برای شبکه‌های فشرده
• 23. ملاحظات مربوط به مصرف انرژی در رباتیک تعبیه شده
• 24. ابزارهای نرم‌افزاری برای فشرده‌سازی شبکه‌های عصبی (TensorFlow Model Optimization، PyTorch Quantization)
• 25. ارزیابی عملکرد شبکه‌های فشرده شده بر روی سخت‌افزار واقعی
• 26. مطالعه موردی: فشرده‌سازی شبکه‌های عصبی برای تشخیص اشیا در رباتیک
• 27. مطالعه موردی: فشرده‌سازی شبکه‌های عصبی برای کنترل ربات
• 28. مطالعه موردی: فشرده‌سازی شبکه‌های عصبی برای ناوبری ربات
• 29. چالش‌ها و روندهای آتی در فشرده‌سازی شبکه‌های عصبی برای رباتیک تعبیه شده
• 30. بهبود دقت مدل‌های فشرده شده با استفاده از روش‌های یادگیری انتقالی
• 31. استفاده از تکنیک‌های یادگیری خودنظارتی (Self-Supervised Learning) برای فشرده‌سازی
• 32. فشرده‌سازی شبکه‌های عصبی برای یادگیری تقویتی در رباتیک
• 33. تکنیک‌های فشرده‌سازی برای شبکه‌های عصبی دینامیک (Dynamic Neural Networks)
• 34. استفاده از فشرده‌سازی برای کاهش تأخیر (Latency) در رباتیک بلادرنگ
• 35. فشرده‌سازی شبکه‌های عصبی برای پردازش سیگنال در رباتیک
• 36. فشرده‌سازی شبکه‌های عصبی برای بینایی ماشین در رباتیک
• 37. فشرده‌سازی شبکه‌های عصبی برای پردازش زبان طبیعی در رباتیک
• 38. امنیت و حریم خصوصی در رباتیک تعبیه شده با شبکه‌های عصبی فشرده
• 39. روش‌های تشخیص و مقابله با حملات خصمانه (Adversarial Attacks) بر شبکه‌های فشرده