کتاب جامع بهینه‌سازی مصرف حافظه برای مدل‌های یادگیری ماشین کوچک (TinyML)

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع بهینه‌سازی مصرف حافظه برای مدل‌های یادگیری ماشین کوچک (TinyML)

موضوع کلی: سیستم‌های تعبیه‌شده و هوش مصنوعی

موضوع میانی: بهینه‌سازی حافظه و مدل‌های TinyML

📋 سرفصل‌های دوره

  • 1. مبانی و اهمیت مدیریت حافظه در سیستم‌های میکروکنترلر و TinyML
  • 2. محدودیت‌های سخت‌افزاری رم، فلش و پردازنده در لبه شبکه (Edge)
  • 3. تحلیل و پروفایل‌سازی مصرف حافظه مدل‌های یادگیری ماشین پیش از استقرار
  • 4. آشنایی با فرمت‌ها و ساختارهای داده فشرده در پردازش‌های لبه‌ای
  • 5. مقدمه‌ای بر تکنیک‌های فشرده‌سازی و کوانتیزاسیون مدل (Quantization)
  • 6. کوانتیزاسیون پسا‌آموزش (Post-Training Quantization) از نوع 32 به 8 بیت
  • 7. کوانتیزاسیون آگاه از آموزش (Quantization-Aware Training - QAT) برای حفظ دقت
  • 8. روش‌های هرس کردن شبکه (Pruning) و حذف وزن‌های غیرضروری مدل
  • 9. فشرده‌سازی لایه‌ها و کاهش ابعاد ماتریس‌ها در شبکه‌های عصبی عمیق
  • 10. بهینه‌سازی تخصیص حافظه استاتیک و دینامیک در زمان اجرا (Runtime)
  • 11. مدیریت پشته و حافظه هیپ (Heap & Stack) در اجرای مدل‌های میکروکنترلر
  • 12. استفاده از کتابخانه TensorFlow Lite for Microcontrollers و اصول آن
  • 13. بهینه‌سازی تنسورها و اشتراک‌گذاری حافظه میان لایه‌های شبکه
  • 14. کاهش ردپای حافظه با استفاده از معماری‌های سبک‌وزن (MobileNet و SqueezeNet)
  • 15. پیاده‌سازی سفارشی لایه‌ها برای کاهش سربار حافظه در سخت‌افزارهای محدود
  • 16. تکنیک‌های فشرده‌سازی کد و کدهای اجرایی برای تراشه‌های کم‌مصرف
  • 17. بررسی ابزارهای پروفایل‌سازی حافظه و عیب‌یابی در میکروکنترلرها
  • 18. مدیریت مصرف انرژی همزمان با بهینه‌سازی حافظه در دستگاه‌های باتری‌خور
  • 19. تست، اعتبارسنجی و ارزیابی دقت مدل پس از بهینه‌سازی‌های سخت‌افزاری
  • 20. پروژه عملی: پیاده‌سازی و بهینه‌سازی یک مدل تشخیص صدا یا تصویر روی یک میکروکنترلر واقعی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.