آموزش شروع یادگیری ماشین در لبه (Edge) با استفاده از معماری Arm - آخرین آپدیت

Module 1: نمای کلی یادگیری ماشین در لبه Module 1: An Overview of Machine Learning at the Edge

• خوش آمدید به ماژول ۱ Welcome to Module 1

• معرفی مفاهیم هوش مصنوعی، یادگیری ماشین و Edge ML Introduce Artificial Intelligence, Machine Learning and Edge ML concepts

• توضیح ظهور یادگیری ماشین در لبه با استفاده از دستگاه‌های محدود مانند میکروکنترلرها Explain the rise of Machine Learning at the Edge using constrained devices like micro-controllers

Module 2: مقدمه‌ای بر یادگیری ماشین در دستگاه‌های محدود Module 2: Introduction to Machine Learning on Constrained Devices

• خوش آمدید به ماژول ۲ Welcome to Module 2

• شناسایی ویژگی‌های کلیدی یادگیری ماشین به عنوان علم داده Identify the key features of machine learning as data science

• ترسیم فرآیند استخراج ویژگی و پردازش سیگنال در جریان یادگیری ماشین Outline the feature extraction and the signal processing in the machine learning flow

• توضیح مجموعه‌داده‌ها، آموزش و ارزیابی یادگیری ماشین Illustrate the data sets, the training, and evaluation of Machine Learning

• شناسایی محدودیت‌های یادگیری ماشین روی میکروکنترلرها Identify the constraints of machine learning on microcontrollers

• پروژه آزمایشگاهی SV1: مقدمه‌ای بر یادگیری ماشین در دستگاه‌های محدود SV1 Lab Project: Introduction to Machine Learning on Constrained Devices

• پروژه آزمایشگاهی SV2: مقدمه‌ای بر یادگیری ماشین در دستگاه‌های محدود SV2 Lab Project: Introduction to Machine Learning on Constrained Devices

Module 3: توضیح شبکه‌های عصبی مصنوعی Module 3: Explain Artificial Neural Networks

• خوش آمدید به ماژول ۳ Welcome to Module 3

• توضیح شبکه‌های عصبی مصنوعی Explain Artificial Neural Networks

• ارزیابی پیچیدگی ANN و پرسپترون چندلایه در آموزش و استنتاج Evaluate the complexity of ANN and multi-layer perceptron in both training and inference

• ترسیم تکنیک‌های کاهش پیچیدگی، به ویژه کوانتیزاسیون Outline the techniques to reduce complexity in particular Quantization

• پروژه آزمایشگاهی SV1: شبکه‌های عصبی مصنوعی SV1 Lab Project: Artificial Neural Networks

• پروژه آزمایشگاهی SV2: شبکه‌های عصبی مصنوعی SV2 Lab Project: Artificial Neural Networks

Module 4: شبکه‌های عصبی کانولوشنال Module 4: Convolutional Neural Networks

• خوش آمدید به ماژول ۴ Welcome to Module 4

• توضیح شبکه‌های عصبی کانولوشنال و یادگیری عمیق Explain Convolutional Neural Networks and deep learning

• نمایش پردازش صوتی با CNN با و بدون استخراج ویژگی Illustrate the audio processing with CNN with and without feature extractions

• ترسیم مدل‌های مختلف یادگیری عمیق و روندهای اخیر در این موضوع Outline the different deep learning models and recent trends in the subject

• پروژه آزمایشگاهی SV1: شبکه‌های عصبی کانولوشنال SV1 Lab Project: Convolutional Neural Networks

Module 5: بینایی ماشین و مدل‌ها Module 5: Computer Vision and Models

• خوش آمدید به ماژول ۵ Welcome to Module 5

• معرفی کتابخانه Arm CMSIS NN Introduce the Arm CMSIS-NN library

• توضیح پردازش تصویر با CNN و سایر روش‌های یادگیری عمیق در خانواده Arm Cortex M Explain image processing with CNN and other deep learning on Arm Cortex-M family

• ارزیابی پیچیدگی یادگیری عمیق Evaluate the complexity of deep learning

• SV1 بینایی ماشین و مدل‌ها SV1 Computer vision and models

Module 6: بهینه‌سازی یادگیری ماشین در دستگاه‌های محدود Module 6: Optimizing Machine Learning on Constrained Devices

• خوش آمدید به ماژول ۶ Welcome to Module 6

• شناسایی محدودیت‌های خانواده Arm Cortex M در اجرای یادگیری عمیق؛ ارزیابی مصرف توان، تأخیر، انرژی و حافظه Identify the constraints of the Arm Cortex-M family running deep learning. Evaluation of power consumption, latency, energy, memory

• بهینه‌سازی یادگیری ماشین کوچک (TinyML) و کوانتیزاسیون Tiny machine learning optimization and quantization

• بهینه‌سازی مدل و موازنه‌ها (Trade-offs) Model optimization and trade-offs

• ارزیابی و توضیح پیاده‌سازی ممیز شناور در مقابل ممیز ثابت Evaluate and explain the floating-point vs fix-point implementation

• پروژه آزمایشگاهی SV1: بهینه‌سازی یادگیری ماشین در دستگاه‌های محدود SV1 Lab Project: Optimizing Machine Learning on constrained devices