آموزش Edge AI: ابزارها و بهترین روش‌ها برای ساخت برنامه‌های هوش مصنوعی در Edge

سرفصل ها و درس ها

معرفی Introduction

• چرا هوش مصنوعی در لبه است؟ Why AI at the edge?

1. محاسبات لبه و هوش مصنوعی 1. Edge Computing and Artificial Intelligence

• هوش مصنوعی در لبه AI at the edge

• محاسبات لبه چیست؟ What is edge computing?

• مزایا و چالش های هوش مصنوعی لبه Benefits and challenges of edge AI

• مزایای محاسبات لبه Benefits of edge computing

• چالش های محاسبات لبه Challenges of edge computing

• اینترنت اشیا Internet of Things

2. موارد استفاده از هوش مصنوعی Edge 2. Edge AI Use Cases

• هوش مصنوعی لبه حمل و نقل Transport edge AI

• هوش مصنوعی لبه مراقبت های بهداشتی Healthcare edge AI

• هوش مصنوعی لبه تولید Manufacturing edge AI

• هوش مصنوعی لبه خرده فروشی Retail edge AI

• هوش مصنوعی لبه شخصی Personal edge AI

3. زیرساخت برای Edge AI 3. Infrastructure for Edge AI

• زیرساخت نرم افزار برای هوش مصنوعی لبه Software infrastructure for edge AI

• دستگاه ها و سرورها برای هوش مصنوعی لبه Devices and servers for edge AI

• پردازنده برای هوش مصنوعی لبه Processors for edge AI

• نرم افزار تخصصی Edge AI Edge AI-specialized software

• داده های مربوط به هوش مصنوعی لبه Data for edge AI

4. مدل های آموزشی برای استقرار لبه 4. Training Models for Edge Deployments

• یادگیری فدرال Federated learning

• فشرده سازی مدل Model compression

• ساخت یک مدل پایه Building a model baseline

• تست مدل ها قبل از استقرار Testing models before deployments

• بهینه سازی مدل برای لبه Model optimization for the edge

5. استقرار و عملیات Edge AI 5. Edge AI Deployment and Operations

• انتشار داده ها از لبه Publishing data from the edge

• استنتاج مدل در لبه Model inference at the edge

• تحلیل عملکرد Edge AI Edge AI performance analysis

• استقرار هوش مصنوعی در لبه Deploying AI at the edge

• معماری های استقرار هوش مصنوعی لبه Edge AI deployment architectures

• جمع آوری داده های هوش مصنوعی Edge Edge AI data collection

6. بهترین روش ها برای ساخت برنامه های کاربردی هوش مصنوعی Edge 6. Best Practices for Building Edge AI Applications

• بهترین شیوه های جمع آوری و تجزیه و تحلیل داده ها Data collection and analytics best practices

• بهترین شیوه های استقرار مدل Model deployment best practices

• بهترین شیوه های انتخاب زیرساخت Infrastructure selection best practices

• بهترین شیوه های بهینه سازی مدل Model optimization best practices

• انتخاب مدل و بهترین شیوه های آموزش Model selection and training best practices

نتیجه Conclusion

• ساخت بیشتر با هوش مصنوعی لبه Building more with edge AI