دوره کاربرد TinyML در اینترنت اشیاء (IoT): از سنسور تا هوش مصنوعی همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کاربرد TinyML در اینترنت اشیاء (IoT): از سنسور تا هوش مصنوعی
موضوع کلی: برنامهنویسی کامپیوترهای شخصی
موضوع میانی: TinyML
📋 سرفصلهای دوره
- 1. مقدمه ای بر اینترنت اشیاء (IoT)
- 2. مبانی TinyML
- 3. مقدمه ای بر یادگیری ماشین (ML)
- 4. مقدمه ای بر یادگیری عمیق (DL)
- 5. تفاوت بین ML و DL
- 6. چالش های پردازش در لبه (Edge Computing)
- 7. محدودیت های منابع در دستگاه های IoT
- 8. معماری TinyML
- 9. سخت افزار مناسب برای TinyML
- 10. میکروکنترلرها برای TinyML
- 11. پردازنده های کم مصرف
- 12. سنسورها در IoT
- 13. انواع سنسورها
- 14. رابط های سنسور
- 15. جمع آوری داده از سنسورها
- 16. پیش پردازش داده های سنسور
- 17. فیلترینگ داده ها
- 18. نرمال سازی داده ها
- 19. کاهش ابعاد داده ها
- 20. انواع مدل های یادگیری ماشین برای TinyML
- 21. رگرسیون خطی
- 22. رگرسیون لجستیک
- 23. ماشین های بردار پشتیبان (SVM)
- 24. درختان تصمیم
- 25. جنگل های تصادفی
- 26. شبکه های عصبی کانولوشنی (CNN) برای TinyML
- 27. شبکه های عصبی بازگشتی (RNN) برای TinyML
- 28. شبکه های عصبی کوتاه و بلند حافظه (LSTM) برای TinyML
- 29. کاربرد CNN در تشخیص الگو
- 30. کاربرد RNN در تحلیل سری های زمانی
- 31. کاربرد LSTM در پیش بینی
- 32. توسعه مدل های TinyML
- 33. انتخاب معماری مدل
- 34. آموزش مدل های TinyML
- 35. بهینه سازی مدل ها برای منابع محدود
- 36. کوچک سازی مدل (Model Compression)
- 37. هرس کردن (Pruning)
- 38. کوانتیزاسیون (Quantization)
- 39. تقطیر دانش (Knowledge Distillation)
- 40. فریمورک های TinyML
- 41. TensorFlow Lite for Microcontrollers
- 42. PyTorch Mobile
- 43. Apache TVM
- 44. CMSIS-NN
- 45. ابزارهای توسعه TinyML
- 46. محیط های توسعه یکپارچه (IDE)
- 47. دیباگرها
- 48. شبیه سازها
- 49. پیاده سازی TinyML بر روی دستگاه های IoT
- 50. بارگذاری مدل بر روی میکروکنترلر
- 51. اجرای مدل بر روی سخت افزار
- 52. ارزیابی عملکرد مدل
- 53. معیارهای ارزیابی
- 54. دقت (Accuracy)
- 55. دقت (Precision)
- 56. بازیابی (Recall)
- 57. امتیاز F1
- 58. توان مصرفی
- 59. تاخیر (Latency)
- 60. برنامه های کاربردی TinyML در IoT
- 61. نظارت بر سلامت
- 62. تشخیص ناهنجاری (Anomaly Detection)
- 63. تشخیص چهره
- 64. تشخیص گفتار
- 65. تشخیص اشیاء
- 66. تشخیص فعالیت انسانی (Human Activity Recognition)
- 67. کشاورزی هوشمند
- 68. نظارت بر خاک
- 69. نظارت بر آب و هوا
- 70. تشخیص آفات
- 71. مدیریت منابع
- 72. شهر هوشمند
- 73. مدیریت ترافیک
- 74. نظارت بر کیفیت هوا
- 75. مدیریت زباله
- 76. ساختمان هوشمند
- 77. بهینه سازی مصرف انرژی
- 78. نظارت بر حضور
- 79. امنیت
- 80. صنعت هوشمند
- 81. نگهداری پیشگیرانه (Predictive Maintenance)
- 82. کنترل کیفیت
- 83. رباتیک
- 84. کاربرد TinyML در اینترنت اشیاء پزشکی
- 85. نظارت بر بیمار از راه دور
- 86. دستگاه های پوشیدنی سلامت
- 87. تشخیص زودهنگام بیماری
- 88. کاربرد TinyML در اینترنت اشیاء صنعتی (IIoT)
- 89. کنترل فرآیند
- 90. اتوماسیون
- 91. مانیتورینگ خط تولید
- 92. کاربرد TinyML در اینترنت اشیاء خودرو
- 93. خودروهای خودران
- 94. سیستم های کمک راننده (ADAS)
- 95. نظارت بر وضعیت خودرو
- 96. امنیت در TinyML و IoT
- 97. حفظ حریم خصوصی داده ها
- 98. امنیت مدل ها
- 99. حمله به مدل های TinyML
- 100. روش های دفاع در برابر حملات
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.