دوره شتاب‌دهی سخت‌افزاری برای TinyML: طراحی و پیاده‌سازی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شتاب‌دهی سخت‌افزاری برای TinyML: طراحی و پیاده‌سازی

موضوع کلی: مهندسی کامپیوتر

موضوع میانی: یادگیری ماشین تعبیه شده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر TinyML و کاربردهای آن
• 2. مفاهیم کلیدی یادگیری ماشین برای دستگاه‌های تعبیه‌شده
• 3. محدودیت‌های منابع در دستگاه‌های TinyML
• 4. معماری‌های سخت‌افزاری برای TinyML
• 5. پردازنده‌های عصبی (Neural Processors)
• 6. شتاب‌دهنده‌های مبتنی بر FPGA برای TinyML
• 7. شتاب‌دهنده‌های مبتنی بر ASIC برای TinyML
• 8. بهینه‌سازی مدل‌های یادگیری ماشین برای TinyML
• 9. کوانتیزاسیون مدل‌های یادگیری ماشین
• 10. هرس کردن (Pruning) مدل‌های یادگیری ماشین
• 11. تکنیک‌های فشرده‌سازی مدل
• 12. تبدیل مدل‌های TensorFlow Lite به فرمت‌های قابل اجرا روی TinyML
• 13. معرفی ابزارهای توسعه TinyML
• 14. استفاده از TensorFlow Lite Micro
• 15. استفاده از microTVM برای TinyML
• 16. معرفی پلتفرم‌های سخت‌افزاری TinyML (Arduino, STM32, ESP32)
• 17. برنامه‌نویسی low-level برای سخت‌افزارهای TinyML
• 18. بهینه‌سازی مصرف انرژی در TinyML
• 19. محاسبات در حافظه (In-Memory Computing) برای TinyML
• 20. شتاب‌دهی سخت‌افزاری لایه‌های کانولوشن
• 21. شتاب‌دهی سخت‌افزاری لایه‌های Fully Connected
• 22. شتاب‌دهی سخت‌افزاری توابع فعال‌سازی
• 23. شتاب‌دهی سخت‌افزاری لایه‌های Pooling
• 24. طراحی شتاب‌دهنده سفارشی برای TinyML
• 25. پیاده‌سازی یک شتاب‌دهنده TinyML با استفاده از Verilog/VHDL
• 26. تست و اعتبارسنجی شتاب‌دهنده TinyML
• 27. مقایسه عملکرد شتاب‌دهنده‌های مختلف TinyML
• 28. بررسی case study: تشخیص گفتار با TinyML
• 29. بررسی case study: تشخیص تصویر با TinyML
• 30. بررسی case study: تشخیص فعالیت با TinyML
• 31. طراحی یک سیستم TinyML کامل (از مدل تا سخت‌افزار)
• 32. روش‌های ارزیابی عملکرد مدل‌های TinyML
• 33. معرفی ابزارهای پروفایلینگ و دیباگینگ TinyML
• 34. امنیت در TinyML
• 35. حریم خصوصی در TinyML
• 36. چالش‌ها و آینده TinyML
• 37. بهینه‌سازی کد C++ برای TinyML
• 38. استفاده از دستورالعمل‌های SIMD در TinyML
• 39. تکنیک‌های مدیریت حافظه در TinyML
• 40. بهینه‌سازی مصرف انرژی با استفاده از clock gating
• 41. بهینه‌سازی مصرف انرژی با استفاده از voltage scaling
• 42. استفاده از DMA برای انتقال داده‌های کارآمد
• 43. برنامه‌نویسی درایور برای سخت‌افزارهای TinyML
• 44. استفاده از RTOS در TinyML
• 45. روش‌های مقابله با نویز و خطا در TinyML
• 46. طراحی سیستم‌های مقاوم در برابر حملات adversarial
• 47. آشنایی با استانداردهای ارتباطی در TinyML (BLE, LoRaWAN)