کتاب پیاده‌سازی کاربردی شبکه‌های عصبی بر روی پلتفرم‌های پردازشی NVIDIA Jetson 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 پیاده‌سازی کاربردی شبکه‌های عصبی بر روی پلتفرم‌های پردازشی NVIDIA Jetson

موضوع کلی: هوش مصنوعی و پردازش پیشرفته

موضوع میانی: یادگیری عمیق در سامانه‌های تعبیه شده (Embedded Systems)

📋 سرفصل‌های دوره (100 موضوع)

  • 1. آشنایی با معماری پردازشی NVIDIA Jetson و اکوسیستم هوش مصنوعی
  • 2. مبانی سخت‌افزاری و واحدهای پردازش گرافیکی در بردهای Jetson
  • 3. نصب و راه‌اندازی محیط توسعه نرم‌افزاری JetPack SDK
  • 4. مدیریت توان مصرفی و بهینه‌سازی عملکرد در سیستم‌های تعبیه شده
  • 5. مفاهیم پایه یادگیری عمیق و شبکه‌های عصبی کانولوشنی
  • 6. بررسی ساختار مدل‌های پیش‌آموزش دیده برای کاربردهای خاص
  • 7. آشنایی با کتابخانه‌های پردازش تصویر در محیط لینوکس تعبیه شده
  • 8. کار با فریم‌ورک‌های یادگیری عمیق در پلتفرم‌های ARM
  • 9. مقدمه‌ای بر استنتاج شبکه‌های عصبی در زمان واقعی
  • 10. روش‌های پیش‌پردازش داده‌های ورودی برای افزایش دقت مدل
  • 11. بهینه‌سازی مدل‌های یادگیری عمیق با استفاده از TensorRT
  • 12. کاهش ابعاد مدل و تکنیک‌های کوانتیزاسیون وزنی
  • 13. پیاده‌سازی شبکه‌های عصبی برای تشخیص اشیاء در تصویر
  • 14. استفاده از الگوریتم‌های ردیابی هدف در سیستم‌های تعبیه شده
  • 15. شناسایی الگوهای رفتاری در ویدیو با استفاده از مدل‌های سبک
  • 16. کاربرد شبکه‌های عصبی در تحلیل داده‌های حسگرهای محیطی
  • 17. مدیریت حافظه و تخصیص منابع در سیستم‌های مبتنی بر Jetson
  • 18. تکنیک‌های افزایش سرعت استنتاج با بهره‌گیری از هسته‌های CUDA
  • 19. پیاده‌سازی مدل‌های طبقه‌بندی تصویر در محیط‌های صنعتی
  • 20. بررسی چالش‌های استقرار مدل‌های هوش مصنوعی در محیط‌های لبه (Edge)
  • 21. تلفیق هوش مصنوعی با سیستم‌های کنترل خودکار
  • 22. آشنایی با ابزارهای مانیتورینگ عملکرد پردازنده در حین اجرا
  • 23. ارزیابی دقت و کارایی مدل در شرایط عملیاتی
  • 24. کار با مجموعه داده‌های استاندارد برای آموزش و تست مدل‌های لبه
  • 25. روش‌های انتقال یادگیری برای شخصی‌سازی مدل‌های هوش مصنوعی
  • 26. پیاده‌سازی سیستم‌های بینایی ماشین برای پایش هوشمند
  • 27. بهینه‌سازی مصرف انرژی در کاربردهای هوش مصنوعی متحرک
  • 28. راهکارهای خنک‌سازی و مدیریت حرارتی در بردهای Jetson
  • 29. ایمن‌سازی نرم‌افزاری سیستم‌های هوش مصنوعی تعبیه شده
  • 30. بررسی استانداردهای توسعه نرم‌افزار در سیستم‌های هوشمند
  • 31. تجمیع نتایج استنتاج و ارسال به سیستم‌های مرکزی
  • 32. توسعه رابط کاربری برای نمایش خروجی‌های هوش مصنوعی
  • 33. عیب‌یابی و رفع خطاهای رایج در پیاده‌سازی‌های سخت‌افزاری
  • 34. مستندسازی و تست نهایی پروژه‌های هوش مصنوعی تعبیه شده
تگ‌ها: Embedded Deep Learning NVIDIA Jetson انویدیا جت‌سون بینایی ماشین پردازش تصویر صنعتی پردازش لبه سیستم‌های تعبیه شده شبکه‌های عصبی هوش مصنوعی یادگیری عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.