آموزش ایجاد هوش مصنوعی درون دستگاهی - آخرین آپدیت

دانلود Build On-Device AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

یادگیری هوش مصنوعی روی دستگاه (On-Device AI): آموزش، کامپایل و بهینه‌سازی مدل‌ها با Qualcomm AI Hub

در این دوره، شما با تمام مراحل استقرار هوش مصنوعی روی دستگاه، از آموزش تا استنتاج، آشنا خواهید شد و یاد می‌گیرید چگونه مدل‌های هوش مصنوعی را برای اجرا روی دستگاه‌های لبه‌ای (Edge Devices) آموزش، کامپایل و بهینه‌سازی کنید.

در این دوره می‌آموزید:

  • نحوه استفاده از Qualcomm AI Hub برای مدیریت، کامپایل و بهینه‌سازی مدل‌های هوش مصنوعی.
  • چگونگی پروفایل‌گیری و کامپایل مدل برای بهبود عملکرد در دستگاه‌های لبه‌ای.
  • تکنیک‌های کوانتیزاسیون (Quantization) برای بهینه‌سازی مدل‌های هوش مصنوعی برای سیستم‌های موبایل، اینترنت اشیا (IoT) و سیستم‌های تعبیه‌شده (Embedded Systems).
  • تفاوت بین کوانتیزاسیون متقارن (Symmetric) و نامتقارن (Asymmetric).

پیش‌نیازها: دانش پایه پایتون توصیه می‌شود، اما نیازی به تجربه قبلی در زمینه هوش مصنوعی نیست.

اگر شما یک توسعه‌دهنده، دانشمند داده یا علاقه‌مند به هوش مصنوعی هستید و به دنبال ایجاد مدل‌های هوش مصنوعی کارآمد و آماده برای استقرار روی دستگاه‌های لبه‌ای هستید، این دوره برای شما مناسب است. آیا می‌خواهید استنتاج هوش مصنوعی را تسریع کرده و در عین حال سربار محاسباتی را کاهش دهید؟ آیا به دنبال تکنیک‌های عملی برای بهینه‌سازی مدل‌های خود برای موبایل، اینترنت اشیا و سیستم‌های تعبیه‌شده هستید؟

این دوره به شما نحوه آموزش، کامپایل، پروفایل‌گیری و بهینه‌سازی مدل‌های هوش مصنوعی را آموزش می‌دهد و تضمین می‌کند که آن‌ها به طور کارآمد روی دستگاه‌هایی با منابع محدود و بدون کاهش عملکرد، اجرا شوند.

در این دوره شما:

  1. با تمام مراحل استقرار هوش مصنوعی روی دستگاه – از آموزش تا استنتاج – آشنا می‌شوید.
  2. Qualcomm AI Hub را درک کرده و نحوه استفاده از آن را برای مدیریت مدل‌های هوش مصنوعی یاد می‌گیرید.
  3. پروفایل‌گیری و کامپایل مدل را برای بهبود عملکرد، بررسی می‌کنید.
  4. تکنیک‌های استنتاج را برای استقرار مدل‌ها روی دستگاه‌های لبه‌ای، پیاده‌سازی می‌کنید.
  5. تکنیک‌های کوانتیزاسیون را برای بهینه‌سازی مدل‌های هوش مصنوعی برای سخت‌افزار کم‌مصرف، فرا می‌گیرید.

چرا باید هوش مصنوعی روی دستگاه (On-Device AI) را یاد بگیریم؟

استقرار هوش مصنوعی روی دستگاه‌های لبه‌ای به شما امکان می‌دهد تا تاخیر را کاهش دهید، حریم خصوصی را افزایش داده و عملکرد را بدون وابستگی به محاسبات ابری بهینه کنید. با تسلط بر کوانتیزاسیون، پروفایل‌گیری مدل و استقرار کارآمد هوش مصنوعی، می‌توانید اطمینان حاصل کنید که مدل‌های شما سریع‌تر اجرا می‌شوند، انرژی کمتری مصرف می‌کنند و برای برنامه‌های کاربردی دنیای واقعی مانند هوش مصنوعی موبایل، سیستم‌های خودکار و اینترنت اشیا آماده هستند.

در طول دوره، شما تجربه عملی با سناریوهای واقعی استقرار هوش مصنوعی به دست خواهید آورد. شما بین تئوری و کاربرد عملی تعادل برقرار خواهید کرد تا مدل‌های خود را ساده‌تر، هوشمندتر و آماده برای استقرار کنید.

در پایان دوره، شما مهارت‌های آموزش، بهینه‌سازی و استقرار مدل‌های هوش مصنوعی روی دستگاه‌های لبه‌ای را کسب خواهید کرد و به یک دارایی ارزشمند در زمینه استقرار هوش مصنوعی تبدیل خواهید شد.

آیا آماده‌اید مدل‌های هوش مصنوعی خود را به سطح بعدی ببرید؟ همین حالا ثبت نام کنید و سفر خود را آغاز کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • معرفی Introduction

معرفی و راه اندازی روی دستگاه On-Device Introduction & Setup

  • معرفی روی دستگاه On-Device Introduction

  • منابع دوره Course Resources

  • معرفی Qualcomm AI Hub Qualcomm AI Hub Introduction

  • ورود به Qualcomm AI Hub Qualcomm AI Hub Login

مراحل آموزش و استقرار مدل Model Training & Deployment Steps

  • مراحل استقرار مدل روی دستگاه Steps for On-Device Deployment

  • فاز آموزش مدل - تئوری Model Training Phase - Theory

  • آموزش مدل - عملی Training the Model- Practical

کامپایل و پروفایل مدل Model Compilation & Profiling

  • کامپایل مدل - تئوری Compiling the Model - Theory

  • کامپایل مدل - عملی Compiling the Model - Practical

  • پروفایل مدل - تئوری Profiling the Model - Theory

  • پروفایل مدل - عملی Profiling the Model - Practical

استنتاج و استقرار مدل Model Inference & Deployment

  • استنتاج Inference

  • دانلود مدل Downloading the Model

بهینه سازی و کوانتیزاسیون مدل Model Optimization & Quantization

  • مقدمه ای بر کوانتیزاسیون Introduction to Quantization

  • کوانتیزاسیون متقارن Symmetrics quantization

  • کوانتیزاسیون نامتقارن Asymmetrics Quantization

  • تکنیک های کوانتیزاسیون - کاربرد عملی Quantization Techniques - Practical Application

نتیجه گیری Conclusion

  • درباره گواهینامه شما About your certificate

  • سخنرانی ویژه Bonus lecture

نمایش نظرات

آموزش ایجاد هوش مصنوعی درون دستگاهی
جزییات دوره
2 hours
20
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,037
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.