آموزش مقدمه‌ای بر یادگیری ماشین تعبیه‌شده - آخرین آپدیت

دانلود Intro to Embedded Machine Learning

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

این دوره، شما را با دنیای یادگیری ماشین تعبیه‌شده (Embedded Machine Learning) آشنا می‌کند. پیشرفت‌های اخیر در سیستم‌های تعبیه‌شده، امکان اجرای مدل‌های پیچیده یادگیری ماشین را بر روی میکروکنترلرها فراهم کرده است. دستگاه‌های تعبیه‌شده در کاربردهای یادگیری ماشین، قادر به انجام وظایف متنوعی در صنایع مختلف هستند؛ مانند دستگاه‌های حسگری که ناهنجاری‌ها و اختلافات آکوستیکی یا نوری را تشخیص می‌دهند و از این طریق، کنترل کیفیت در تولید یا پایش وضعیت سیستم را پشتیبانی می‌کنند. این دستگاه‌ها علاوه بر دوربین برای مانیتورینگ پارامترهای بصری و میکروفون برای ضبط امواج صوتی، از حسگرهایی برای اندازه‌گیری ارتعاش، تماس، ولتاژ، جریان، سرعت، فشار و دما نیز استفاده می‌کنند.

با وجود محتوای آموزشی فراوان در مورد سیستم‌های تعبیه‌شده و یادگیری ماشین به صورت جداگانه، محتوای آموزشی در مورد یادگیری ماشین تعبیه‌شده هنوز به اندازه کافی گسترده نیست. این دوره تلاش می‌کند با ارائه مبانی سیستم‌های تعبیه‌شده، یادگیری ماشین و TinyML این خلا را پر کند. این دوره با یک پروژه تعاملی به پایان می‌رسد که در آن، فراگیران می‌توانند پروژه اختصاصی یادگیری ماشین تعبیه‌شده خود را ایجاد کنند. این پروژه بر اساس تشخیص رویدادهای آکوستیک با استفاده از یک میکروکنترلر یا دستگاه تلفن همراه شما خواهد بود. در پایان این دوره، شما قادر خواهید بود دسته‌بندی‌ها و صداهای خود را انتخاب کرده و یک مدل یادگیری ماشین را آموزش داده و خودتان آن را مستقر کنید. این روشی عالی برای معرفی خود به دنیای یادگیری ماشین تعبیه‌شده و کسب تجربه ارزشمند در این زمینه است.

موضوعات دوره:

  • سیستم‌های تعبیه‌شده (Embedded Systems): آشنایی با معماری و عملکرد سیستم‌های تعبیه‌شده.
  • یادگیری ماشین (Machine Learning): مفاهیم پایه و الگوریتم‌های یادگیری ماشین.
  • TinyML: یادگیری ماشین در مقیاس کوچک برای دستگاه‌های کم‌توان.
  • یادگیری ماشین تعبیه‌شده (Embedded Machine Learning): ترکیب سیستم‌های تعبیه‌شده و یادگیری ماشین.
  • اینترنت اشیا (IoT): کاربرد یادگیری ماشین تعبیه‌شده در اینترنت اشیا.

پیش‌نیازها:

دسترسی به کیت توسعه Silicon Labs EFR32xG24

کلمات کلیدی:

یادگیری ماشین تعبیه‌شده، TinyML، سیستم‌های تعبیه‌شده، اینترنت اشیا، Machine Learning، Embedded Systems، IoT، تشخیص صدا، پردازش سیگنال، میکروکنترلر، Silicon Labs EFR32xG24


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

مبانی سیستم‌های جاسازی‌شده Fundamentals of Embedded Systems

  • ریزکنترلگرها Microcontrollers

  • ریزکنترلگرها Microcontrollers

  • عیب‌یابی Debugging

  • عیب‌یابی Debugging

  • رشته‌ها (Threadها) Threads

  • رشته‌ها (Threadها) Threads

مبانی یادگیری ماشین Fundamentals of Machine Learning

  • مبانی یادگیری ماشین (ML Basics) ML Basics

  • مبانی یادگیری ماشین (ML Basics) ML Basics

  • یادگیری با ناظر Supervised Learning

  • یادگیری با ناظر Supervised Learning

مبانی TinyML Fundamentals of TinyML

  • Tiny ML Tiny ML

  • Tiny ML Tiny ML

  • مثال تشخیص رویداد صوتی Acoustic Event Detection Example

پروژه ML جاسازی‌شده Embedded ML Project

  • مقدمه آموزش Tutorial Introduction

  • Edge Impulse Edge Impulse

  • ایجاد حساب کاربری Create Account

  • اتصال دستگاه Connect Device

  • اتصال دستگاه – نمای تلفن Connect Device - Phone View

  • جمع‌آوری داده‌ها – نمای تلفن Collect Data - Phone View

  • مشاهده داده‌ها Observe Data

  • تولید مدل یادگیری ماشین Generate Machine Learning Model

  • بازآموزی مدل Retrain Model

  • آزمایش مدل – نمای تلفن Test Model - Phone View

  • مراحل بعدی Next Steps

نتیجه‌گیری Conclusion

  • چگونه یک مهندس ML جاسازی‌شده شویم How to become an Embedded ML Engineer

نمایش نظرات

آموزش مقدمه‌ای بر یادگیری ماشین تعبیه‌شده
جزییات دوره
33 mins
20
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,888
3.5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ashvin Roharia Ashvin Roharia

مهندس نرم افزار در آزمایشگاه سیلیکون