دوره هوش مصنوعی در لبه: قدرت GPU همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی در لبه: قدرت GPU

موضوع کلی: تکامل نرم‌افزار و سخت‌افزار کامپیوترهای شخصی

موضوع میانی: AI و یادگیری ماشین در GPU

📋 سرفصل‌های دوره

• 1. بررسی معماری‌های پردازنده گرافیکی
• 2. مقدمه‌ای بر محاسبات موازی با GPU
• 3. نصب و پیکربندی درایورهای GPU
• 4. مفاهیم اساسی CUDA
• 5. زبان برنامه‌نویسی CUDA: متغیرها و انواع داده
• 6. CUDA: اپراتورها و عبارات
• 7. CUDA: کنترل جریان و حلقه‌ها
• 8. CUDA: توابع و ماژول‌ها
• 9. مدیریت حافظه در CUDA
• 10. انتقال داده بین CPU و GPU
• 11. بهینه‌سازی عملکرد CUDA: دسترسی به حافظه
• 12. بهینه‌سازی عملکرد CUDA: همزمانی
• 13. بهینه‌سازی عملکرد CUDA: استفاده از حافظه مشترک
• 14. CUDA: دیباگر و پروفایلر
• 15. مقدمه‌ای بر OpenCL
• 16. زبان برنامه‌نویسی OpenCL: هسته‌ها
• 17. OpenCL: بافرها و حافظه
• 18. OpenCL: زمان‌بندی و اجرا
• 19. OpenCL: همگام‌سازی و رویدادها
• 20. OpenCL: مدیریت خطا
• 21. مقایسه CUDA و OpenCL
• 22. کاربرد هوش مصنوعی در لبه
• 23. شبکه‌های عصبی عمیق و GPU
• 24. پیاده‌سازی CNN با CUDA
• 25. پیاده‌سازی RNN با CUDA
• 26. بهینه‌سازی شبکه‌های عصبی برای GPU
• 27. کاهش دقت در محاسبات GPU
• 28. تکنیک‌های کوانتیزاسیون برای شبکه‌های عصبی
• 29. کاربرد تشخیص تصویر با GPU در لبه
• 30. تشخیص اشیاء با استفاده از YOLO و GPU
• 31. پردازش ویدئو با GPU در لبه
• 32. بهینه‌سازی مدل‌های یادگیری ماشین برای دستگاه‌های لبه
• 33. استفاده از TensorRT برای استنتاج سریع
• 34. مقدمه‌ای بر مدل‌های سبک‌وزن
• 35. TensorFlow Lite و GPU
• 36. ONNX و GPU
• 37. استقرار مدل‌های یادگیری ماشین بر روی Jetson Nano
• 38. استقرار مدل‌های یادگیری ماشین بر روی Raspberry Pi با GPU
• 39. استفاده از GPU برای پردازش زبان طبیعی (NLP)
• 40. پردازش متن با استفاده از مدل‌های زبانی بزرگ (LLM)
• 41. بهینه‌سازی LLM برای دستگاه‌های لبه
• 42. کاربرد بینایی ماشین در خودروهای خودران
• 43. کاربرد هوش مصنوعی در رباتیک با GPU
• 44. بهینه‌سازی مصرف انرژی در GPU های لبه
• 45. مفاهیم امنیتی در محاسبات لبه با GPU