فلش‌کارت‌های آموزشی توسعه سیستم‌های هوش مصنوعی لبه با Jetson Xavier NX

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعه سیستم‌های هوش مصنوعی لبه با Jetson Xavier NX

موضوع کلی: هوش مصنوعی و یادگیری عمیق در لبه شبکه (Edge AI)

موضوع میانی: پیاده‌سازی و کاربردهای سخت‌افزاری هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی در لبه شبکه
• 2. آشنایی با پلتفرم NVIDIA Jetson Xavier NX
• 3. معماری سخت‌افزاری Jetson Xavier NX
• 4. پردازنده مرکزی و گرافیکی در Jetson Xavier NX
• 5. حافظه و ذخیره‌سازی در Jetson Xavier NX
• 6. رابط‌های ورودی/خروجی Jetson Xavier NX
• 7. شبکه و ارتباطات در Jetson Xavier NX
• 8. ماژول‌های توسعه و لوازم جانبی Jetson Xavier NX
• 9. نصب و راه‌اندازی سیستم‌عامل Jetson Linux
• 10. تنظیمات اولیه و پیکربندی Jetson Xavier NX
• 11. آشنایی با ابزارهای توسعه NVIDIA JetPack SDK
• 12. ورک‌فلو توسعه هوش مصنوعی در لبه
• 13. مفاهیم پایه یادگیری عمیق
• 14. شبکه‌های عصبی کانولوشنی (CNN)
• 15. کاربرد CNN در پردازش تصویر
• 16. شبکه‌های عصبی بازگشتی (RNN)
• 17. کاربرد RNN در پردازش توالی
• 18. مدل‌های ترنسفورمر و کاربردهای آن‌ها
• 19. یادگیری تقویتی (Reinforcement Learning)
• 20. مقدمه‌ای بر مدل‌های پیش‌آموزش‌دیده
• 21. تنظیم دقیق (Fine-tuning) مدل‌های یادگیری عمیق
• 22. استخراج ویژگی با مدل‌های یادگیری عمیق
• 23. پردازش تصویر در لبه شبکه
• 24. تشخیص اشیاء با استفاده از Jetson Xavier NX
• 25. دسته‌بندی تصاویر با استفاده از Jetson Xavier NX
• 26. بخش‌بندی تصاویر با استفاده از Jetson Xavier NX
• 27. تشخیص چهره و شناسایی افراد
• 28. تکنیک‌های افزایش داده (Data Augmentation)
• 29. بهینه‌سازی مدل‌های یادگیری عمیق برای لبه
• 30. تکنیک‌های کوانتیزاسیون (Quantization) مدل‌ها
• 31. حذف پارامترهای غیرضروری (Pruning)
• 32. فشرده‌سازی مدل‌ها برای کاهش حجم
• 33. معماری‌های سبک‌تر یادگیری عمیق (مانند MobileNet)
• 34. استفاده از TensorRT برای شتاب‌دهی مدل
• 35. کامپایل مدل‌ها با TensorRT
• 36. بهینه‌سازی لایه‌های شبکه با TensorRT
• 37. اجرای مدل‌های بهینه‌شده روی Jetson Xavier NX
• 38. مانیتورینگ عملکرد مدل در لبه
• 39. ابزارهای پروفایلینگ عملکرد Jetson Xavier NX
• 40. اندازه‌گیری توان مصرفی در لبه
• 41. مدیریت منابع سیستم در لبه
• 42. پردازش صدا در لبه شبکه
• 43. تشخیص گفتار با استفاده از Jetson Xavier NX
• 44. تشخیص احساسات از روی صدا
• 45. تولید صدا با استفاده از Jetson Xavier NX
• 46. پردازش زبان طبیعی (NLP) در لبه
• 47. تحلیل احساسات متن با استفاده از Jetson Xavier NX
• 48. خلاصه‌سازی متن با استفاده از Jetson Xavier NX
• 49. ترجمه ماشینی در لبه
• 50. کاربردهای رباتیک در لبه شبکه
• 51. کنترل ربات با استفاده از Jetson Xavier NX
• 52. ناوبری و مسیریابی ربات‌ها
• 53. بینایی ماشین برای ربات‌ها
• 54. ربات‌های هوشمند و خودمختار
• 55. کاربردهای صنعتی هوش مصنوعی در لبه
• 56. کنترل کیفیت خودکار در خطوط تولید
• 57. نگهداری پیش‌بینانه (Predictive Maintenance)
• 58. اتوماسیون صنعتی مبتنی بر هوش مصنوعی
• 59. کاربردهای نظارتی و امنیتی در لبه
• 60. سیستم‌های نظارت تصویری هوشمند
• 61. تشخیص ناهنجاری در تصاویر امنیتی
• 62. مدیریت ترافیک هوشمند
• 63. کاربردهای پزشکی و سلامت در لبه
• 64. تشخیص بیماری از روی تصاویر پزشکی
• 65. مانیتورینگ سلامت بیماران از راه دور
• 66. توسعه دستگاه‌های پوشیدنی هوشمند
• 67. کاربردهای کشاورزی هوشمند در لبه
• 68. نظارت بر سلامت گیاهان
• 69. مدیریت آبیاری هوشمند
• 70. تشخیص آفات و بیماری‌های گیاهی
• 71. کاربردهای حمل و نقل هوشمند در لبه
• 72. سیستم‌های کمک راننده پیشرفته (ADAS)
• 73. تشخیص علائم راهنمایی و رانندگی
• 74. توسعه خودروهای خودران
• 75. ملاحظات اخلاقی در هوش مصنوعی در لبه
• 76. حریم خصوصی داده‌ها در لبه
• 77. امنیت سیستم‌های هوش مصنوعی در لبه
• 78. مسئولیت‌پذیری در سیستم‌های هوشمند
• 79. مقررات و استانداردهای توسعه هوش مصنوعی
• 80. فرهنگ‌سازی و آموزش عمومی هوش مصنوعی
• 81. مبانی برنامه‌نویسی پایتون برای هوش مصنوعی
• 82. کتابخانه‌های کلیدی پایتون (NumPy, Pandas)
• 83. کار با داده‌های تصویری در پایتون
• 84. مقدمه‌ای بر چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
• 85. پیاده‌سازی مدل‌های ساده با TensorFlow
• 86. پیاده‌سازی مدل‌های ساده با PyTorch
• 87. مدیریت پروژه‌های هوش مصنوعی در لبه
• 88. مستندسازی پروژه‌های توسعه هوش مصنوعی
• 89. تست و ارزیابی مدل‌های هوش مصنوعی
• 90. دیپلوی (Deploy) مدل‌ها در محیط عملیاتی
• 91. به‌روزرسانی و مدیریت مدل‌ها در لبه
• 92. مطالعات موردی موفق پیاده‌سازی Edge AI
• 93. چالش‌های پیش روی توسعه Edge AI
• 94. آینده هوش مصنوعی در لبه شبکه
• 95. روندها و فناوری‌های نوظهور در Edge AI
• 96. نقش هوش مصنوعی در تحول دیجیتال
• 97. جمع‌بندی و نگاه به آینده
• 98. مباحث پیشرفته در پردازش ویدئو در لبه
• 99. تشخیص رویداد در جریان ویدئو
• 100. تحلیل رفتاری در ویدئو