کتاب صوتی آموزش پیاده‌سازی و ارزیابی مدل‌های زبانی و بصری (VLM/LLM) بر روی پلتفرم‌های سخت‌افزاری Jetson Thor

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش پیاده‌سازی و ارزیابی مدل‌های زبانی و بصری (VLM/LLM) بر روی پلتفرم‌های سخت‌افزاری Jetson Thor

موضوع کلی: هوش مصنوعی و رباتیک پیشرفته

موضوع میانی: سیستم‌های بینایی ماشین و مدل‌های زبانی در رباتیک خودمختار

📋 سرفصل‌های دوره

• 1. مبانی و معماری سخت‌افزاری پلتفرم Jetson Thor
• 2. آشنایی با محیط توسعه لینوکس برای سیستم‌های نهفته
• 3. نصب و پیکربندی درایورهای NVIDIA JetPack
• 4. مدیریت منابع محاسباتی و حافظه در معماری Thor
• 5. مبانی بینایی ماشین در رباتیک خودمختار
• 6. معرفی مدل‌های زبانی بزرگ و کاربرد آن‌ها در رباتیک
• 7. ساختار و عملکرد مدل‌های زبانی-بصری (VLM)
• 8. آشنایی با فریم‌ورک‌های یادگیری عمیق در لبه (Edge AI)
• 9. پیش‌پردازش داده‌های تصویری برای مدل‌های بینایی
• 10. استفاده از کتابخانه‌های OpenCV در محیط Jetson
• 11. پیاده‌سازی مدل‌های تشخیص اشیاء بر روی پلتفرم Thor
• 12. تکنیک‌های بهینه‌سازی مدل‌های هوش مصنوعی با TensorRT
• 13. کمی‌سازی (Quantization) مدل‌ها برای افزایش سرعت اجرا
• 14. یکپارچه‌سازی مدل‌های زبانی با دستورات کنترلی ربات
• 15. طراحی رابط کاربری مبتنی بر زبان طبیعی برای ربات
• 16. پیاده‌سازی مکانیزم‌های درک صحنه توسط مدل‌های بینایی
• 17. تولید پاسخ‌های متنی بر اساس داده‌های محیطی
• 18. مفاهیم اساسی در سیستم‌عامل رباتیک (ROS 2)
• 19. ارتباط بین مدل‌های زبانی و گره‌های ROS 2
• 20. مدیریت جریان داده بین حسگرها و مدل‌های هوش مصنوعی
• 21. شبیه‌سازی محیط‌های رباتیک با استفاده از Isaac Sim
• 22. ارزیابی دقت مدل‌های بینایی در محیط‌های واقعی
• 23. تست و عیب‌یابی مدل‌های زبانی در ربات‌های خودمختار
• 24. پیاده‌سازی سیستم‌های ناوبری مبتنی بر دستورات زبانی
• 25. روش‌های کاهش تاخیر در پردازش‌های بصری بلادرنگ
• 26. ارتقای امنیت داده‌ها در سیستم‌های هوش مصنوعی لبه
• 27. مدیریت مصرف توان در پردازش‌های هوش مصنوعی سخت‌افزاری
• 28. تکنیک‌های یادگیری تقویتی در رباتیک با تکیه بر مدل‌های زبانی
• 29. استراتژی‌های تست نرم‌افزار در سیستم‌های هوش مصنوعی پیچیده
• 30. ارزیابی عملکرد (Benchmarking) مدل‌ها روی برد Thor
• 31. پیاده‌سازی سیستم‌های تصمیم‌گیرنده چندمنظوره
• 32. به‌کارگیری مدل‌های VLM برای تشخیص ناهنجاری در محیط
• 33. طراحی سیستم‌های خودکار گزارش‌گیری وضعیت ربات
• 34. پیکربندی سنسورهای عمق‌سنج برای بهبود بینایی ماشین
• 35. تکنیک‌های کالیبراسیون دوربین در رباتیک پیشرفته
• 36. آموزش مدل‌های سفارشی بر اساس نیازهای عملیاتی
• 37. مدیریت نسخه‌های مدل‌های هوش مصنوعی در محیط عملیاتی
• 38. پیاده‌سازی سیستم‌های کنترل نظارتی مبتنی بر هوش مصنوعی
• 39. روش‌های تست یکپارچگی سخت‌افزار و نرم‌افزار
• 40. مستندسازی پروژه‌های هوش مصنوعی و رباتیک
• 41. اخلاق در توسعه هوش مصنوعی و رباتیک خودمختار
• 42. آینده سیستم‌های هوش مصنوعی در صنعت و خدمات
• 43. پروژه نهایی پیاده‌سازی یک ربات هوشمند با مدل VLM