کتاب طراحی موتورهای پردازش موازی برای اجرای بهینه مدل‌های هوش مصنوعی روی سخت‌افزارهای محدود با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی موتورهای پردازش موازی برای اجرای بهینه مدل‌های هوش مصنوعی روی سخت‌افزارهای محدود

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: بهینه‌سازی سیستم‌های یادگیری ماشین (EfficientML)

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و ضرورت طراحی موتورهای پردازش موازی برای مدل‌های هوش مصنوعی
• 2. معماری سخت‌افزارهای محدود و چالش‌های اجرای مدل‌های یادگیری عمیق
• 3. بررسی سلسله‌مراتب حافظه و تاثیر آن بر کارایی پردازش‌های موازی
• 4. تحلیل محدودیت‌های توان مصرفی و انرژی در سیستم‌های تعبیه شده
• 5. اصول طراحی موتورهای پردازش موازی برای شبکه‌های عصبی
• 6. بررسی مفاهیم تانسور و عملیات ماتریسی در سخت‌افزارهای کم‌مصرف
• 7. معماری پردازنده‌های گرافیکی و شتاب‌دهنده‌های هوش مصنوعی
• 8. بهینه‌سازی عملیات ضرب ماتریس در پردازنده‌های موازی
• 9. تکنیک‌های مدیریت حافظه برای کاهش دسترسی به حافظه خارجی
• 10. استفاده از حافظه نهان (Cache) برای افزایش سرعت استنتاج مدل
• 11. بررسی الگوهای دسترسی به داده در لایه‌های مختلف شبکه‌های عصبی
• 12. طراحی خط لوله (Pipeline) برای اجرای موازی عملیات لایه‌ها
• 13. تکنیک‌های کوانتایزاسیون (Quantization) و تاثیر آن بر طراحی سخت‌افزار
• 14. مدیریت موازی‌سازی در سطح داده و سطح مدل
• 15. بررسی نقش پردازنده‌های سیگنال دیجیتال در اجرای مدل‌های هوش مصنوعی
• 16. ارزیابی عملکرد و گلوگاه‌های سیستم‌های پردازش موازی
• 17. طراحی واحدهای محاسباتی تخصصی برای عملیات کانولوشن
• 18. استراتژی‌های تخصیص منابع در سیستم‌های روی تراشه (SoC)
• 19. بهینه‌سازی زمان‌بندی اجرای دستورات در واحدهای پردازش موازی
• 20. بررسی معماری‌های جریان‌داده (Dataflow Architectures) در شتاب‌دهنده‌ها
• 21. تکنیک‌های فشرده‌سازی مدل برای اجرا روی سخت‌افزارهای با حافظه محدود
• 22. پیاده‌سازی بهینه عملیات فعال‌سازی (Activation Functions) در سخت‌افزار
• 23. استفاده از دستورالعمل‌های برداری (SIMD) برای شتاب‌دهی محاسبات
• 24. روش‌های کاهش سربار جابجایی داده بین پردازنده و حافظه
• 25. طراحی سیستم‌های کنترل برای مدیریت اجرای موازی مدل‌های بزرگ
• 26. بررسی چالش‌های مقیاس‌پذیری در طراحی موتورهای پردازش موازی
• 27. ارائه مدل‌های ارزیابی کارایی بر اساس معیارهای تاخیر و توان
• 28. مطالعه موردی طراحی موتور TinyEngine برای اجرای شبکه‌های عصبی
• 29. پیاده‌سازی الگوریتم‌های بهینه‌سازی مدل در سطح سخت‌افزار
• 30. چشم‌انداز آینده در طراحی شتاب‌دهنده‌های هوش مصنوعی برای لبه شبکه