فلش‌کارت‌های آموزشی پیاده‌سازی عملی یادگیری ماشین در مقیاس کوچک (TinyML) بر روی میکروکنترلرها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی عملی یادگیری ماشین در مقیاس کوچک (TinyML) بر روی میکروکنترلرها

موضوع کلی: هوش مصنوعی و یادگیری ماشین (Artificial Intelligence)

موضوع میانی: سامانه‌های هوشمند تعبیه‌شده (Embedded Intelligence)

📋 سرفصل‌های دوره

• 1. مفاهیم پایه و ضرورت استفاده از یادگیری ماشین در سامانه‌های تعبیه‌شده
• 2. آشنایی با سخت‌افزارها و میکروکنترلرهای مناسب برای پردازش لبه
• 3. بررسی محدودیت‌های حافظه و توان مصرفی در محیط‌های تعبیه‌شده
• 4. معرفی معماری پردازنده‌های ARM Cortex-M و نقش آن‌ها در هوش مصنوعی
• 5. نصب و راه‌اندازی محیط توسعه برای پروژه‌های TinyML
• 6. مراحل چرخه حیات توسعه مدل‌های یادگیری ماشین در مقیاس کوچک
• 7. جمع‌آوری و پیش‌پردازش داده‌های حسگرها برای آموزش مدل
• 8. تکنیک‌های پاک‌سازی و نرمال‌سازی داده‌ها در محیط‌های محدود
• 9. طراحی معماری شبکه‌های عصبی فشرده برای میکروکنترلرها
• 10. آشنایی با کتابخانه TensorFlow Lite for Microcontrollers
• 11. مبانی یادگیری نظارت‌شده و کاربرد آن در تشخیص الگو
• 12. استفاده از شبکه‌های عصبی متراکم در کاربردهای ساده دسته‌بندی
• 13. پیاده‌سازی شبکه‌های عصبی کانولوشنی برای تحلیل سیگنال‌های حسگر
• 14. مبانی پردازش سیگنال‌های دیجیتال برای استخراج ویژگی
• 15. تکنیک‌های کاهش ابعاد داده‌ها جهت بهینه‌سازی مدل
• 16. مفهوم کوانتایزیشن و نقش آن در کاهش حجم مدل
• 17. تبدیل مدل‌های آموزش‌دیده به فرمت قابل اجرا در میکروکنترلر
• 18. ارزیابی دقت مدل پس از فشرده‌سازی و کوانتایزیشن
• 19. مدیریت حافظه در زمان اجرای مدل بر روی سخت‌افزار
• 20. بهینه‌سازی مصرف انرژی در زمان اجرای استنتاج
• 21. آموزش تشخیص فعالیت‌های انسانی با استفاده از شتاب‌سنج
• 22. پیاده‌سازی سیستم‌های تشخیص صدا در مقیاس کوچک
• 23. به‌کارگیری یادگیری ماشین در پایش سلامت تجهیزات صنعتی
• 24. تشخیص ناهنجاری در داده‌های سری زمانی حسگرها
• 25. استفاده از الگوریتم‌های یادگیری بدون نظارت در لبه
• 26. یکپارچه‌سازی مدل‌های هوشمند با سیستم‌عامل‌های بی‌درنگ
• 27. روش‌های تست و عیب‌یابی مدل‌های مستقر شده بر سخت‌افزار
• 28. امنیت در سامانه‌های هوشمند تعبیه‌شده و حفاظت از داده‌ها
• 29. به‌روزرسانی مدل‌ها در محیط‌های عملیاتی و مدیریت نسخه
• 30. بررسی چالش‌های مقیاس‌پذیری در پیاده‌سازی‌های صنعتی
• 31. ارائه راهکارهای کاهش تأخیر در پردازش‌های بی‌درنگ
• 32. کاربرد TinyML در اینترنت اشیاء صنعتی (IIoT)
• 33. مبانی یادگیری انتقالی برای تطبیق مدل با شرایط محیطی جدید
• 34. استفاده از ابزارهای شبیه‌سازی برای تست مدل پیش از اجرا
• 35. پیاده‌سازی یک پروژه جامع تشخیص وضعیت محیطی
• 36. بهینه‌سازی کدهای C++ برای اجرای سریع‌تر توابع عصبی
• 37. ملاحظات اخلاقی و فنی در طراحی سامانه‌های هوشمند خودمختار
• 38. آینده فناوری‌های هوش مصنوعی در سخت‌افزارهای کم‌توان
• 39. مرور استانداردهای ملی و بین‌المللی در توسعه سامانه‌های تعبیه‌شده
• 40. جمع‌بندی و راهکارهای توسعه پروژه‌های هوشمند در مقیاس انبوه