کتاب بهینه‌سازی هوش مصنوعی در سخت‌افزارهای کم‌مصرف با استفاده از فناوری محاسبات در حافظه (In-Memory Computing) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی هوش مصنوعی در سخت‌افزارهای کم‌مصرف با استفاده از فناوری محاسبات در حافظه (In-Memory Computing)

موضوع کلی: هوش مصنوعی و یادگیری ماشین (AI & Machine Learning)

موضوع میانی: محاسبات لبه و سخت‌افزارهای کم‌مصرف (Edge AI & Hardware Acceleration)

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی هوش مصنوعی در لبه و ضرورت‌های پردازش محلی
  • 2. محدودیت‌های توان و حافظه در سیستم‌های نهفته
  • 3. معماری‌های نوین سخت‌افزاری برای هوش مصنوعی
  • 4. مفهوم محاسبات در حافظه و مزایای آن در کاهش مصرف انرژی
  • 5. مقایسه معماری فون‌نومان و محاسبات در حافظه
  • 6. آشنایی با ساختار حافظه‌های SRAM برای کاربردهای هوش مصنوعی
  • 7. اصول طراحی مدارهای دیجیتال کم‌مصرف
  • 8. بررسی چالش‌های انتقال داده بین پردازنده و حافظه
  • 9. مدل‌سازی استنتاج هوش مصنوعی در محیط‌های محدود
  • 10. روش‌های فشرده‌سازی مدل‌های یادگیری عمیق برای سخت‌افزار
  • 11. تکنیک‌های کوانتایزیشن برای کاهش دقت محاسباتی
  • 12. بررسی الگوریتم‌های بهینه‌سازی وزن‌ها در شبکه‌های عصبی
  • 13. پیاده‌سازی توابع فعال‌ساز در محیط‌های سخت‌افزاری
  • 14. تکنیک‌های کاهش نویز در محاسبات آنالوگ داخل حافظه
  • 15. بررسی معماری‌های کراس‌بار برای ضرب ماتریس در حافظه
  • 16. مدیریت توان در سیستم‌های مبتنی بر TinyML
  • 17. شبیه‌سازی عملکرد مدل‌های هوش مصنوعی در سطح ترانزیستور
  • 18. تکنیک‌های بازنمایی داده‌ها برای بهینه‌سازی انرژی
  • 19. بررسی تأثیر فناوری ساخت نیم‌رسانا بر عملکرد هوش مصنوعی
  • 20. پیاده‌سازی لایه‌های کانولوشن در معماری‌های مبتنی بر SRAM
  • 21. مدیریت حافظه کش و سلسله‌مراتب حافظه در سخت‌افزارهای لبه
  • 22. تحلیل پایداری و خطای محاسباتی در محاسبات در حافظه
  • 23. روش‌های تست و ارزیابی بهره‌وری انرژی در سیستم‌های تعبیه شده
  • 24. کاربردهای هوش مصنوعی در لبه در صنعت و کشاورزی هوشمند
  • 25. نقش سخت‌افزارهای تخصصی در شتاب‌دهی به اینترنت اشیا
  • 26. طراحی سیستم‌های توزیع‌شده با قابلیت یادگیری محلی
  • 27. امنیت سخت‌افزاری در دستگاه‌های لبه با تمرکز بر حفاظت از مدل
  • 28. بهینه‌سازی مصرف انرژی در زمان استنتاج بلادرنگ
  • 29. چالش‌های مقیاس‌پذیری در پیاده‌سازی سخت‌افزارهای In-Memory
  • 30. بررسی ابزارهای توسعه و کامپایلرهای ویژه سخت‌افزارهای کم‌مصرف
  • 31. آینده‌نگری در حوزه هوش مصنوعی لبه و فناوری‌های حافظه نوین
تگ‌ها: TinyML استنتاج هوش مصنوعی بهینه‌سازی سخت‌افزار پردازش لبه‌ای رایانش درون‌حافظه‌ای سخت‌افزار کم‌مصرف فناوری SRAM محاسبات لبه هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.