دوره بهینه‌سازی الگوریتم‌های یادگیری ماشین برای اجرا در لبه (Edge) با ابزاری ابری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی الگوریتم‌های یادگیری ماشین برای اجرا در لبه (Edge) با ابزاری ابری

موضوع کلی: هوش مصنوعی و یادگیری ماشین در محیط ابری

موضوع میانی: Edge AI و ارتباط آن با ابر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی لبه‌ای (Edge AI)
• 2. معماری‌های محاسباتی لبه
• 3. مزایا و چالش‌های اجرای مدل‌های یادگیری ماشین در لبه
• 4. معرفی پلتفرم‌های ابری برای Edge AI
• 5. انتخاب سخت‌افزار مناسب برای Edge AI
• 6. مبانی بهینه‌سازی مدل‌های یادگیری ماشین
• 7. روش‌های کاهش حجم مدل (Model Compression)
• 8. کوانتیزاسیون (Quantization) مدل‌های یادگیری ماشین
• 9. هرس (Pruning) مدل‌های یادگیری ماشین
• 10. تقطیر دانش (Knowledge Distillation)
• 11. بهینه‌سازی معماری مدل برای لبه (Edge-Aware Architecture)
• 12. استفاده از شبکه‌های عصبی کانولوشنال سبک‌وزن (Lightweight CNNs)
• 13. بهینه‌سازی مدل‌های مبتنی بر ترانسفورمر برای لبه
• 14. بهینه‌سازی الگوریتم‌های یادگیری تقویتی برای لبه
• 15. بهینه‌سازی برای مصرف انرژی در دستگاه‌های لبه‌ای
• 16. استفاده از شتاب‌دهنده‌های سخت‌افزاری (Hardware Accelerators)
• 17. تکنیک‌های موازی‌سازی برای دستگاه‌های لبه‌ای
• 18. بهینه‌سازی مصرف حافظه در دستگاه‌های لبه‌ای
• 19. پیاده‌سازی مدل‌های بهینه‌سازی‌شده در دستگاه‌های لبه‌ای
• 20. استفاده از TensorFlow Lite برای استقرار مدل در لبه
• 21. استفاده از ONNX Runtime برای استقرار مدل در لبه
• 22. استفاده از Core ML (iOS) برای استقرار مدل در لبه
• 23. استفاده از MediaPipe برای پردازش در لبه
• 24. مبانی امنیت در Edge AI
• 25. حفاظت از حریم خصوصی در Edge AI
• 26. مانیتورینگ و مدیریت مدل‌های لبه‌ای از طریق ابر
• 27. به‌روزرسانی مدل‌های لبه‌ای به صورت OTA (Over-The-Air)
• 28. استفاده از Federated Learning برای آموزش مدل در لبه
• 29. بهینه‌سازی مدل‌های یادگیری ماشین برای پردازش تصویر در لبه
• 30. بهینه‌سازی مدل‌های یادگیری ماشین برای پردازش صدا در لبه
• 31. بهینه‌سازی مدل‌های یادگیری ماشین برای پردازش زبان طبیعی در لبه
• 32. بهینه‌سازی مدل‌های یادگیری ماشین برای تشخیص اشیاء در لبه
• 33. بهینه‌سازی مدل‌های یادگیری ماشین برای تشخیص فعالیت در لبه
• 34. کاربرد Edge AI در خودروهای خودران
• 35. کاربرد Edge AI در دستگاه‌های پوشیدنی (Wearables)
• 36. کاربرد Edge AI در اینترنت اشیاء صنعتی (IIoT)
• 37. کاربرد Edge AI در سیستم‌های نظارت تصویری هوشمند
• 38. کاربرد Edge AI در کشاورزی هوشمند
• 39. مطالعه موردی: بهینه‌سازی مدل تشخیص چهره برای یک دوربین امنیتی
• 40. مطالعه موردی: بهینه‌سازی مدل تشخیص ناهنجاری در یک سنسور صنعتی
• 41. ابزارهای پروفایلینگ و دیباگینگ مدل‌های لبه‌ای
• 42. بهینه‌سازی مدل‌های یادگیری ماشین با استفاده از AutoML در ابر
• 43. تکنیک‌های پیشرفته بهینه‌سازی مدل (مانند Neural Architecture Search)
• 44. ملاحظات مربوط به هزینه و بودجه در پروژه‌های Edge AI