اپلیکیشن اندرویدی فلش‌کارت آموزشی طراحی و بهینه‌سازی سخت‌افزار برای یادگیری ماشین کم‌مصرف و پربازده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و بهینه‌سازی سخت‌افزار برای یادگیری ماشین کم‌مصرف و پربازده

موضوع کلی: مهندسی کامپیوتر و هوش مصنوعی

موضوع میانی: سخت‌افزار و سیستم‌های نهفته برای یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی مهندسی کامپیوتر و یادگیری ماشین
• 2. مقدمه‌ای بر سیستم‌های نهفته
• 3. معماری پردازنده‌های رایج
• 4. اصول طراحی سخت‌افزار برای پردازش
• 5. مبانی یادگیری ماشین
• 6. شبکه‌های عصبی مصنوعی
• 7. مقدمه‌ای بر یادگیری عمیق
• 8. معماری‌های شبکه‌های عصبی
• 9. شبکه‌های عصبی کانولوشنی (CNN)
• 10. شبکه‌های عصبی بازگشتی (RNN)
• 11. یادگیری تقویتی
• 12. مفاهیم بهینه‌سازی مدل‌های یادگیری ماشین
• 13. فشرده‌سازی مدل‌ها
• 14. کوانتیزاسیون مدل‌ها
• 15. هرس کردن مدل‌ها
• 16. تکلیف‌زدایی مدل‌ها
• 17. طراحی سخت‌افزار برای CNN
• 18. شتاب‌دهنده‌های سخت‌افزاری برای CNN
• 19. طراحی سخت‌افزار برای RNN
• 20. شتاب‌دهنده‌های سخت‌افزاری برای RNN
• 21. کاربرد یادگیری ماشین در سیستم‌های نهفته
• 22. طراحی پردازنده‌های خاص منظوره (ASIC)
• 23. طراحی FPGA برای یادگیری ماشین
• 24. معماری‌های حافظه در سیستم‌های نهفته
• 25. مدیریت توان در سیستم‌های نهفته
• 26. بهینه‌سازی مصرف انرژی در سخت‌افزار
• 27. تکنیک‌های کاهش توان در پردازنده‌ها
• 28. روش‌های کاهش توان در حافظه‌ها
• 29. طراحی سیستم‌های کم‌مصرف
• 30. معماری‌های موازی برای یادگیری ماشین
• 31. پردازش موازی در سیستم‌های نهفته
• 32. سخت‌افزارهای قابل پوشیدن و اینترنت اشیاء
• 33. کاربرد هوش مصنوعی در اینترنت اشیاء
• 34. امنیت در سیستم‌های نهفته هوشمند
• 35. روش‌های تأمین امنیت سخت‌افزاری
• 36. رمزنگاری در سیستم‌های نهفته
• 37. تست و اعتبارسنجی سخت‌افزار
• 38. شبیه‌سازی و مدل‌سازی سخت‌افزار
• 39. ابزارهای طراحی سخت‌افزار (HDL)
• 40. زبان‌های توصیف سخت‌افزار (VHDL, Verilog)
• 41. اصول طراحی سیستم‌های دیجیتال
• 42. مدارهای منطقی ترکیبی
• 43. مدارهای منطقی ترتیبی
• 44. حافظه‌ها و رجیسترها
• 45. میکروپروسسورها و میکروکنترلرها
• 46. ارتباطات داخلی در سیستم‌های نهفته
• 47. رابط‌های ارتباطی استاندارد (I2C, SPI, UART)
• 48. مدیریت وقفه‌ها
• 49. سیستم‌عامل‌های بی‌درنگ (RTOS)
• 50. اصول طراحی سیستم‌عامل‌های بی‌درنگ
• 51. زمان‌بندی وظایف در RTOS
• 52. مدیریت حافظه در RTOS
• 53. ارتباط بین پردازشی (IPC)
• 54. ارزیابی عملکرد سخت‌افزار
• 55. معیارهای سنجش عملکرد
• 56. بنچمارکینگ سیستم‌های نهفته
• 57. تحلیل توان مصرفی
• 58. روش‌های اندازه‌گیری توان
• 59. ابزارهای تحلیل توان
• 60. مدل‌سازی توان در سطح مدار
• 61. مدل‌سازی توان در سطح معماری
• 62. فشرده‌سازی داده‌ها برای سخت‌افزار
• 63. الگوریتم‌های فشرده‌سازی داده
• 64. کاربرد فشرده‌سازی در حافظه
• 65. فشرده‌سازی برای انتقال داده
• 66. کارایی و توان در پردازنده‌های گرافیکی (GPU)
• 67. معماری GPU برای محاسبات موازی
• 68. بهینه‌سازی برنامه‌های GPU
• 69. پردازشگرهای تنسور (TPU)
• 70. معماری TPU و کاربردهای آن
• 71. مقایسه شتاب‌دهنده‌های مختلف
• 72. یادگیری ماشین روی تراشه‌های FPGA
• 73. طراحی مدارات مجتمع با قابلیت برنامه‌ریزی
• 74. ملاحظات طراحی برای تولید انبوه
• 75. برنامه‌ریزی و پیاده‌سازی روی FPGA
• 76. تست و دیباگ کردن سیستم‌های نهفته
• 77. روش‌های تست سخت‌افزار
• 78. دیباگ کردن نرم‌افزار روی سخت‌افزار
• 79. بهینه‌سازی مصرف انرژی در تراشه‌های هوشمند
• 80. طراحی تراشه‌های کم‌مصرف
• 81. ملاحظات حرارتی در طراحی سخت‌افزار
• 82. خنک‌کاری فعال و غیرفعال
• 83. تأثیر دما بر عملکرد سخت‌افزار
• 84. مقدمه‌ای بر محاسبات ابری و یادگیری ماشین
• 85. استفاده از سرویس‌های ابری برای آموزش مدل
• 86. استقرار مدل‌های یادگیری ماشین در لبه
• 87. کاربرد یادگیری ماشین در اتوماسیون صنعتی
• 88. سیستم‌های کنترل هوشمند
• 89. رباتیک و بینایی ماشین
• 90. اصول پردازش تصویر در سیستم‌های نهفته
• 91. فیلترها و تبدیل‌های تصویر
• 92. استخراج ویژگی در پردازش تصویر
• 93. یادگیری ماشین برای تشخیص اشیاء
• 94. یادگیری ماشین برای تقسیم‌بندی تصویر
• 95. پردازش زبان طبیعی در سیستم‌های نهفته
• 96. کاربرد مدل‌های زبانی کوچک
• 97. فشرده‌سازی مدل‌های زبانی
• 98. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 99. مسئولیت‌پذیری در طراحی سیستم‌های هوشمند
• 100. شفافیت و توضیح‌پذیری در هوش مصنوعی