آموزش TinyML و یادگیری ماشین روی دستگاه (On-Device ML) - آخرین آپدیت

درک TinyML و گردش‌کار Edge Impulse Understanding TinyML and the Edge Impulse Workflow

• معرفی دوره Course Introduction

• مقدمه‌ای بر TinyML و یادگیری ماشین روی دستگاه Introduction to TinyML and On-Device Machine Learning

• چرا هوش مصنوعی به سمت دستگاه‌های کوچک حرکت می‌کند؟ Why Intelligence Is Moving to Small Devices

• میکروکنترلرها و محدودیت‌های آن‌ها Microcontrollers and Their Constraints

• تور و آشنایی با Edge Impulse Studio Touring Edge Impulse Studio

• ساخت مجموعه داده‌های صوتی در Edge Impulse Building an Audio Dataset in Edge Impulse

• برچسب‌گذاری و تقسیم‌بندی داده‌ها برای آموزش Labelling and Splitting Data for Training

ساخت و ارزیابی مدل TinyML Building and Evaluating a TinyML Model

• Impulse چیست: بلوک‌های ورودی، پردازش و یادگیری What an Impulse Is: Input, Processing, and Learning Blocks

• پیکربندی استخراج ویژگی‌های صوتی با MFE Configuring Audio Feature Extraction with MFE

• تحلیل ویژگی‌های صوتی با Feature Explorer Analyzing Audio Features with Feature Explorer

• آموزش مدل طبقه‌بندی صوتی در Edge Impulse Training an Audio Classification Model in Edge Impulse

• ارزیابی الگوهای صوتی ناشناخته Evaluating Unfamiliar Audio Patterns

• تفسیر ماتریس اغتشاش (Confusion Matrix) و نتایج تست مدل Interpreting Confusion Matrix and Model Testing Results

بهینه‌سازی برای استقرار روی دستگاه (On-Device) Optimizing for On-Device Deployment

• تحلیل تخمین‌های عملکرد روی دستگاه Analyzing On-Device Performance Estimates

• کوانتایزیشن و توازن بین دقت و حجم Quantization and the Accuracy Trade-Off

• استفاده از EON Tuner برای بررسی توازن مدل Using the EON Tuner to Explore Model Trade-Offs

• تست مدل با طبقه‌بندی صوتی زنده (Live) Testing the Model with Live Audio Classification

• بررسی گزینه‌های استقرار TinyML در Edge Impulse Exploring TinyML Deployment Options in Edge Impulse

• کاربردهای TinyML در دنیای واقعی TinyML in Real-World Applications

• جمع‌بندی دوره Course Summary