سپنتا کتاب اکسپرس
کتاب میکروکنترلرهای هوشمند: پیاده‌سازی الگوریتم‌های یادگیری ماشین

کتاب میکروکنترلرهای هوشمند: پیاده‌سازی الگوریتم‌های یادگیری ماشین

انتخاب پلن

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 میکروکنترلرهای هوشمند: پیاده‌سازی الگوریتم‌های یادگیری ماشین

موضوع کلی: کامپیوترهای تک‌برد و سیستم‌های توکار

موضوع میانی: هوش مصنوعی و یادگیری ماشین در سیستم‌های توکار

📋 سرفصل‌های دوره

  • 1. فصل اول: مقدمه‌ای بر میکروکنترلرهای هوشمند
  • 2. فصل دوم: معماری میکروکنترلرهای پرکاربرد
  • 3. فصل سوم: اصول پایه‌ی یادگیری ماشین
  • 4. فصل چهارم: انواع الگوریتم‌های یادگیری ماشین
  • 5. فصل پنجم: یادگیری نظارت شده در میکروکنترلرها
  • 6. فصل ششم: یادگیری بدون نظارت در میکروکنترلرها
  • 7. فصل هفتم: یادگیری تقویتی در میکروکنترلرها
  • 8. فصل هشتم: پیش‌پردازش داده‌ها برای میکروکنترلرها
  • 9. فصل نهم: انتخاب ویژگی و مهندسی ویژگی
  • 10. فصل دهم: مدل‌سازی و آموزش الگوریتم‌های ساده
  • 11. فصل یازدهم: پیاده‌سازی رگرسیون خطی بر روی میکروکنترلر
  • 12. فصل دوازدهم: پیاده‌سازی رگرسیون لجستیک بر روی میکروکنترلر
  • 13. فصل سیزدهم: پیاده‌سازی ماشین‌های بردار پشتیبان (SVM)
  • 14. فصل چهاردهم: پیاده‌سازی درخت‌های تصمیم بر روی میکروکنترلر
  • 15. فصل پانزدهم: پیاده‌سازی جنگل‌های تصادفی بر روی میکروکنترلر
  • 16. فصل شانزدهم: پیاده‌سازی K-نزدیک‌ترین همسایه (KNN)
  • 17. فصل هفدهم: پیاده‌سازی الگوریتم K-Means برای خوشه‌بندی
  • 18. فصل هجدهم: شبکه‌های عصبی مصنوعی: اصول اولیه
  • 19. فصل نوزدهم: پیاده‌سازی پرسپترون تک لایه
  • 20. فصل بیستم: پیاده‌سازی پرسپترون چند لایه
  • 21. فصل بیست و یکم: توابع فعال‌سازی در شبکه‌های عصبی
  • 22. فصل بیست و دوم: الگوریتم پس‌انتشار خطا (Backpropagation)
  • 23. فصل بیست و سوم: شبکه‌های عصبی کانولوشنال (CNN) برای میکروکنترلرها
  • 24. فصل بیست و چهارم: مقدمه‌ای بر پردازش تصویر در میکروکنترلرها
  • 25. فصل بیست و پنجم: پیاده‌سازی فیلترهای کانولوشن ساده
  • 26. فصل بیست و ششم: استخراج ویژگی‌های تصویر برای CNN
  • 27. فصل بیست و هفتم: شبکه‌های عصبی بازگشتی (RNN) برای میکروکنترلرها
  • 28. فصل بیست و هشتم: پردازش سیگنال‌های زمانی در میکروکنترلرها
  • 29. فصل بیست و نهم: پیاده‌سازی شبکه‌های حافظه کوتاه مدت (LSTM)
  • 30. فصل سی‌ام: پیاده‌سازی شبکه‌های حافظه طولانی کوتاه مدت (GRU)
  • 31. فصل سی و یکم: کاربردهای یادگیری ماشین در اینترنت اشیاء (IoT)
  • 32. فصل سی و دوم: سنسورهای هوشمند و جمع‌آوری داده
  • 33. فصل سی و سوم: الگوریتم‌های تشخیص ناهنجاری در IoT
  • 34. فصل سی و چهارم: سیستم‌های توصیه‌گر در دستگاه‌های هوشمند
  • 35. فصل سی و پنجم: کنترل هوشمند در سیستم‌های خانگی
  • 36. فصل سی و ششم: رباتیک و ناوبری هوشمند
  • 37. فصل سی و هفتم: الگوریتم‌های بینایی ماشین برای ربات‌ها
  • 38. فصل سی و هشتم: بهینه‌سازی الگوریتم‌های یادگیری ماشین برای میکروکنترلرها
  • 39. فصل سی و نهم: تکنیک‌های کوانتیزاسیون مدل
  • 40. فصل چهلم: هرس کردن (Pruning) مدل‌های یادگیری ماشین
  • 41. فصل چهل و یکم: تقطیر دانش (Knowledge Distillation)
  • 42. فصل چهل و دوم: استفاده از شتاب‌دهنده‌های سخت‌افزاری
  • 43. فصل چهل و سوم: بهینه‌سازی حافظه و مصرف انرژی
  • 44. فصل چهل و چهارم: ابزارها و فریم‌ورک‌های توسعه
  • 45. فصل چهل و پنجم: TensorFlow Lite for Microcontrollers
  • 46. فصل چهل و ششم: PyTorch Mobile
  • 47. فصل چهل و هفتم: Apache MXNet on Edge
  • 48. فصل چهل و هشتم: کتابخانه‌های بهینه‌سازی C/C++
  • 49. فصل چهل و نهم: مقایسه فریم‌ورک‌ها برای کاربردهای میکروکنترلری
  • 50. فصل پنجاهم: طراحی سیستم‌های Embedded ML
  • 51. فصل پنجاه و یکم: چالش‌های پیاده‌سازی ML بر روی سخت‌افزار محدود
  • 52. فصل پنجاه و دوم: مسائل اخلاقی در هوش مصنوعی تعبیه شده
  • 53. فصل پنجاه و سوم: امنیت در دستگاه‌های هوشمند با ML
  • 54. فصل پنجاه و چهارم: ارزیابی عملکرد مدل‌های ML بر روی میکروکنترلر
  • 55. فصل پنجاه و پنجم: معیارهای ارزیابی دقت، صحت و بازیابی
  • 56. فصل پنجاه و ششم: معیارهای ارزیابی مصرف انرژی و زمان اجرا
  • 57. فصل پنجاه و هفتم: بهینه‌سازی پارامترها برای بهترین عملکرد
  • 58. فصل پنجاه و هشتم: یادگیری ماشین روی دستگاه (On-Device Learning)
  • 59. فصل پنجاه و نهم: آموزش فدرال (Federated Learning) برای میکروکنترلرها
  • 60. فصل شصتم: الگوریتم‌های یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 61. فصل شصت و یکم: پیاده‌سازی Q-Learning بر روی میکروکنترلر
  • 62. فصل شصت و دوم: پیاده‌سازی Deep Q-Networks (DQN)
  • 63. فصل شصت و سوم: کاربردهای پیشرفته یادگیری تقویتی
  • 64. فصل شصت و چهارم: یادگیری ماشینی برای تشخیص گفتار در میکروکنترلرها
  • 65. فصل شصت و پنجم: تشخیص کلمات کلیدی (Keyword Spotting)
  • 66. فصل شصت و ششم: پردازش زبان طبیعی (NLP) ساده در میکروکنترلرها
  • 67. فصل شصت و هفتم: تحلیل احساسات (Sentiment Analysis) بر روی دستگاه
  • 68. فصل شصت و هشتم: سیستم‌های پیش‌بینی در میکروکنترلرهای هوشمند
  • 69. فصل شصت و نهم: پیش‌بینی خرابی تجهیزات (Predictive Maintenance)
  • 70. فصل هفتادم: کاربردهای ML در صنعت خودروسازی
  • 71. فصل هفتاد و یکم: سیستم‌های کمک راننده (ADAS)
  • 72. فصل هفتاد و دوم: تشخیص اشیاء و موانع
  • 73. فصل هفتاد و سوم: کاربردهای ML در پزشکی و سلامت
  • 74. فصل هفتاد و چهارم: نظارت بر علائم حیاتی بیمار
  • 75. فصل هفتاد و پنجم: تشخیص زودهنگام بیماری‌ها
  • 76. فصل هفتاد و ششم: ابزارهای شبیه‌سازی و تست
  • 77. فصل هفتاد و هفتم: ایجاد محیط‌های شبیه‌سازی برای ML روی میکروکنترلر
  • 78. فصل هفتاد و هشتم: تست واحدهای نرم‌افزاری و سخت‌افزاری
  • 79. فصل هفتاد و نهم: مدیریت چرخه حیات مدل ML
  • 80. فصل هشتادم: بروزرسانی و نگهداری مدل‌های ML بر روی دستگاه
  • 81. فصل هشتاد و یکم: قابلیت اطمینان و تحمل خطا در سیستم‌های ML
  • 82. فصل هشتاد و دوم: یادگیری مداوم (Continual Learning)
  • 83. فصل هشتاد و سوم: دسته‌بندی و طبقه‌بندی پیشرفته
  • 84. فصل هشتاد و چهارم: تشخیص و ردیابی اشیاء متحرک
  • 85. فصل هشتاد و پنجم: الگوریتم‌های تشخیص چهره روی دستگاه
  • 86. فصل هشتاد و ششم: سیستم‌های تشخیص صدا و تشخیص لحن
  • 87. فصل هشتاد و هفتم: تجزیه و تحلیل داده‌های سنسورهای چندگانه
  • 88. فصل هشتاد و هشتم: همگرایی داده‌ها از سنسورهای مختلف
  • 89. فصل هشتاد و نهم: ادغام مدل‌های ML در سیستم‌های موجود
  • 90. فصل نودم: مهندسی نرم‌افزار برای سیستم‌های ML تعبیه شده
  • 91. فصل نود و یکم: طراحی سیستم عامل بلادرنگ (RTOS) برای ML
  • 92. فصل نود و دوم: ارتباطات بین پردازشی (IPC) در سیستم‌های ML
  • 93. فصل نود و سوم: بهینه‌سازی برای پردازنده‌های گرافیکی تعبیه شده (Embedded GPUs)
  • 94. فصل نود و چهارم: کاربردهای ML در رباتیک پروازی (Drones)
  • 95. فصل نود و پنجم: ناوبری خودمختار پهپادها
  • 96. فصل نود و ششم: پردازش تصویر در زمان پرواز
  • 97. فصل نود و هفتم: آینده یادگیری ماشین در میکروکنترلرهای هوشمند
  • 98. فصل نود و هشتم: روندها و نوآوری‌های جدید
  • 99. فصل نود و نهم: یادگیری ماشین کوانتومی برای میکروکنترلرها
  • 100. فصل صدم: جمع‌بندی و گام‌های بعدی

📚 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.