اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر پلتفرم NVIDIA Jetson برای ساخت ماشین‌های مجهز به هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر پلتفرم NVIDIA Jetson برای ساخت ماشین‌های مجهز به هوش مصنوعی

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: توسعه سیستم‌های هوشمند خودران

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. معرفی پلتفرم NVIDIA Jetson
• 3. معماری سخت‌افزاری Jetson
• 4. پردازنده‌های گرافیکی NVIDIA در Jetson
• 5. ماژول‌های Jetson: خانواده و کاربردها
• 6. سیستم‌عامل Jetson (Jetson Linux)
• 7. محیط توسعه Jetson SDK
• 8. ابزارهای توسعه نرم‌افزار برای Jetson
• 9. یادگیری عمیق با Jetson
• 10. شبکه‌های عصبی کانولوشنی (CNN)
• 11. شبکه‌های عصبی بازگشتی (RNN)
• 12. پردازش تصویر با Jetson
• 13. تشخیص اشیاء با Jetson
• 14. ردیابی اشیاء با Jetson
• 15. تقسیم‌بندی تصویر (Segmentation) با Jetson
• 16. تولید تصویر با Jetson
• 17. پردازش زبان طبیعی (NLP) با Jetson
• 18. مدل‌های زبانی بزرگ (LLMs) روی Jetson
• 19. سیستم‌های توصیه‌گر با Jetson
• 20. رباتیک با Jetson
• 21. مسیریابی ربات‌ها با Jetson
• 22. کنترل ربات‌ها با Jetson
• 23. بینایی ماشین در رباتیک
• 24. هوش مصنوعی در وسایل نقلیه خودران
• 25. تشخیص علائم راهنمایی و رانندگی
• 26. تشخیص عابر پیاده و خودرو
• 27. پیش‌بینی مسیر حرکت وسایل نقلیه
• 28. هوش مصنوعی در پهپادها
• 29. ناوبری پهپاد با Jetson
• 30. تشخیص اهداف توسط پهپاد
• 31. کاربردهای صنعتی هوش مصنوعی
• 32. بازرسی کیفیت خودکار
• 33. ربات‌های همکار (Cobots)
• 34. هوش مصنوعی در کشاورزی هوشمند
• 35. نظارت بر محصولات با پهپاد
• 36. مدیریت منابع آبی با هوش مصنوعی
• 37. هوش مصنوعی در مراقبت‌های بهداشتی
• 38. تشخیص بیماری با پردازش تصویر
• 39. تحلیل داده‌های پزشکی
• 40. هوش مصنوعی در خرده‌فروشی
• 41. تجربه خرید شخصی‌سازی شده
• 42. مدیریت موجودی با هوش مصنوعی
• 43. بهینه‌سازی زنجیره تأمین
• 44. مقدمه‌ای بر سیستم‌های خودران
• 45. مفاهیم پایه سیستم‌های خودران
• 46. معماری سیستم‌های خودران
• 47. سنسورها در سیستم‌های خودران
• 48. دوربین‌ها و پردازش تصویر
• 49. لیدار (LiDAR) و کاربردهای آن
• 50. رادار (Radar) و کاربردهای آن
• 51. پردازش داده‌های سنسورها
• 52. ادغام داده‌های سنسورها (Sensor Fusion)
• 53. تصمیم‌گیری در سیستم‌های خودران
• 54. برنامه‌ریزی مسیر (Path Planning)
• 55. کنترل حرکت (Motion Control)
• 56. یادگیری تقویتی (Reinforcement Learning)
• 57. یادگیری عمیق تقویتی (Deep RL)
• 58. کاربرد یادگیری تقویتی در خودران‌ها
• 59. کالیبراسیون سنسورها
• 60. مدل‌سازی محیط
• 61. تشخیص و پیش‌بینی رفتار دیگر عوامل
• 62. ارزیابی عملکرد سیستم‌های خودران
• 63. معیارهای ارزیابی سیستم‌های خودران
• 64. شبیه‌سازی محیط‌های خودران
• 65. محیط‌های شبیه‌سازی برای Jetson
• 66. تست و اعتبارسنجی سیستم‌ها
• 67. بهینه‌سازی مدل‌ها برای Jetson
• 68. استفاده از TensorRT برای شتاب‌دهی
• 69. بهینه‌سازی مصرف انرژی در Jetson
• 70. توسعه برنامه‌های کاربردی با Jetson
• 71. استقرار مدل‌های هوش مصنوعی
• 72. مانیتورینگ و به‌روزرسانی مدل‌ها
• 73. امنیت در سیستم‌های خودران
• 74. حریم خصوصی داده‌ها در سیستم‌های خودران
• 75. چالش‌های اخلاقی در هوش مصنوعی خودران
• 76. ملاحظات قانونی در توسعه خودران‌ها
• 77. آینده هوش مصنوعی در ماشین‌های خودران
• 78. نکات پیشرفته در توسعه Jetson
• 79. کار با پلتفرم‌های ابری برای Jetson
• 80. اتصال Jetson به اینترنت اشیاء (IoT)
• 81. پردازش لبه (Edge Computing) با Jetson
• 82. هوش مصنوعی توزیع‌شده
• 83. یادگیری فدرال (Federated Learning)
• 84. کاربردها و مطالعات موردی پیشرفته
• 85. نوآوری در پلتفرم Jetson
• 86. ابزارهای پیشرفته توسعه Jetson
• 87. برنامه‌نویسی موازی در Jetson
• 88. بهینه‌سازی کد برای سخت‌افزار Jetson
• 89. ارتباطات بین پردازنده‌ای
• 90. پروتکل‌های ارتباطی در سیستم‌های خودران
• 91. استانداردهای صنعتی برای خودران‌ها
• 92. مباحث پیشرفته در پردازش تصویر
• 93. مباحث پیشرفته در پردازش زبان طبیعی
• 94. یادگیری عمیق در زمان واقعی
• 95. مدل‌های مولد پیشرفته
• 96. کاربرد هوش مصنوعی در رباتیک پیشرفته
• 97. ربات‌های خودمختار در محیط‌های پویا
• 98. مفاهیم پیشرفته در یادگیری تقویتی
• 99. آینده رباتیک و هوش مصنوعی
• 100. جمع‌بندی و مسیرهای آینده