کتاب صوتی آموزش جامع طراحی و بهینه‌سازی هوش مصنوعی برای سخت‌افزارهای کم‌مصرف با استفاده از Edge Impulse

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع طراحی و بهینه‌سازی هوش مصنوعی برای سخت‌افزارهای کم‌مصرف با استفاده از Edge Impulse

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

موضوع میانی: یادگیری ماشین در لبه (Edge Machine Learning) و بهینه‌سازی مدل‌ها

📋 سرفصل‌های دوره

• 1. مبانی و ضرورت‌های هوش مصنوعی در لبه
• 2. آشنایی با پلتفرم Edge Impulse و اکوسیستم یادگیری ماشین در لبه
• 3. شناسایی محدودیت‌های سخت‌افزاری در پردازش‌های لبه
• 4. آماده‌سازی داده‌ها برای آموزش مدل‌های کم‌مصرف
• 5. روش‌های جمع‌آوری و مدیریت داده‌های سنسوری
• 6. پیش‌پردازش سیگنال‌های دیجیتال در لبه
• 7. استخراج ویژگی‌های کلیدی از داده‌های خام
• 8. معرفی معماری‌های شبکه عصبی برای سخت‌افزارهای محدود
• 9. اصول طراحی مدل‌های TinyML
• 10. کاربرد یادگیری انتقالی در مدل‌های لبه
• 11. بهینه‌سازی پارامترهای مدل با استفاده از EON Tuner
• 12. تکنیک‌های کاهش حجم مدل در پلتفرم Edge Impulse
• 13. کوانتیزاسیون مدل‌های عصبی و تاثیر آن بر دقت و سرعت
• 14. آموزش مدل‌های دسته‌بندی تصویر برای میکروکنترلرها
• 15. پردازش داده‌های صوتی و شناسایی کلمات کلیدی در لبه
• 16. تحلیل داده‌های سری زمانی و حسگرهای حرکتی
• 17. ارزیابی دقت مدل در محیط‌های عملیاتی
• 18. استفاده از شبیه‌سازها برای تست مدل قبل از پیاده‌سازی
• 19. بهینه‌سازی مصرف انرژی در استنتاج هوش مصنوعی
• 20. مدیریت حافظه در دستگاه‌های نهفته با محدودیت رم
• 21. استقرار مدل بر روی میکروکنترلرهای مبتنی بر ARM
• 22. کاربرد کتابخانه TensorFlow Lite for Microcontrollers
• 23. پیاده‌سازی مدل‌های بهینه‌شده بر روی بردهای توسعه
• 24. روش‌های ارتقای مدل پس از استقرار در میدان
• 25. عیب‌یابی و رفع خطاهای رایج در مدل‌های لبه
• 26. امنیت در تبادل داده‌ها و حفاظت از مدل‌های هوش مصنوعی در لبه
• 27. ملاحظات اخلاقی و حریم خصوصی در طراحی سیستم‌های هوشمند
• 28. مستندسازی و کنترل نسخه مدل‌های یادگیری ماشین
• 29. یکپارچه‌سازی مدل با سیستم‌های کنترل صنعتی
• 30. بررسی مطالعات موردی در پروژه‌های اینترنت اشیاء صنعتی
• 31. بهینه‌سازی جریان کاری برای توسعه‌دهندگان سیستم‌های نهفته
• 32. توسعه سیستم‌های پایش سلامت دستگاه‌ها با یادگیری ماشین
• 33. کاربرد هوش مصنوعی در کشاورزی هوشمند و پایش محیطی
• 34. آینده هوش مصنوعی در لبه و پیشرفت‌های سخت‌افزاری
• 35. ارائه پروژه نهایی و بهینه‌سازی نهایی مدل‌ها