🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین کوچک با آردوینو نانو RP2040 Connect
- آخرین آپدیت
دانلود TinyML with Arduino Nano RP2040 Connect
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش توسعه مدلهای یادگیری ماشین برای میکروکنترلرهای کوچک و کممصرف (TinyML)
در این آموزش، به توسعه مدلهای یادگیری ماشین برای میکروکنترلرهای کوچک و کممصرف مانند Arduino Nano RP2040 Connect میپردازیم. TinyML یک حوزه در حال رشد است که امکان اجرای الگوریتمهای یادگیری ماشین را بر روی دستگاههای کممصرف فراهم میکند.
اهداف دوره:
شناخت الزامات سختافزاری برای توسعه مدلهای یادگیری ماشین برای میکروکنترلرهای کوچک.
درک چارچوب توسعه TinyML.
ایجاد پروژههای TinyML بر اساس تشخیص حرکات دست.
توسعه مدلهای TinyML با تشخیص کلمات کلیدی صوتی.
ایجاد مدلهای طبقهبندی سفارشی با استفاده از طبقهبند درخت تصمیم (Decision Tree) از کتابخانه Scikit-learn.
پیشنیازها:
برد Arduino Nano RP2040 Connect
کابل USB
رایانه شخصی/لپتاپ
دانش اولیه Arduino IDE
دانش اولیه یادگیری ماشین
دانش اولیه C/C++ تعبیهشده (Embedded C/C++)
برای توسعه مدلها از ابتدا، نیاز به درک اولیه از زبانهای Python، Numpy و Pandas دارید تا بتوانید کدها را درک کنید. کد منبع ارائه شده است و اگر در Python تازهکار هستید، میتوانید به راحتی کد را درک کنید. این آموزش با ویدیوهای آموزشی همراه است که مفاهیم را به خوبی توضیح میدهد.
توجه: این دوره هنوز نهایی نشده است. همانطور که میدانید، حوزه TinyML به طور مداوم در حال رشد و توسعه است. بنابراین، بخشهای بیشتری با توضیحات نظری و ایدههای پروژههای عملی در آینده نزدیک اضافه خواهد شد.
یادگیری ماشین کوچک (TinyML) که دستگاههای باتریدار را هدف قرار میدهد، به طور گسترده به عنوان یک زمینه در حال گسترش سریع از فناوریها و برنامههای یادگیری ماشین تعریف میشود که شامل سختافزار (مدارهای مجتمع اختصاصی)، الگوریتمها و نرمافزاری است که میتواند تجزیه و تحلیل دادههای حسگر را در دستگاه با مصرف انرژی بسیار کم، معمولاً در محدوده میلیوات و کمتر، انجام دهد. این کار، نیاز به ارسال دادهها به فضای ابری برای طبقهبندی را حذف میکند و در نتیجه امنیت بیشتری را فراهم میکند. همچنین، پردازندههای پرمصرف با یک میکروکنترلر کوچک (MCU) جایگزین میشوند. البته محدودیتهایی وجود دارد. این محدودیتها ناشی از منابع سختافزاری محدود، سرعت کلاک و غیره است. با این حال، چندین حوزه کاربردی وجود دارد که محاسبات بالایی مورد نیاز نیست و یک راهحل مبتنی بر یادگیری ماشین مطلوب است. در این حالت، TinyML وارد عمل میشود. میتوان از آن برای تشخیص ناهنجاریها در ماشینآلات در یک کارخانه، پیشبینی نیازهای تعمیر و نگهداری ابزارها، در زمینه مراقبتهای بهداشتی و غیره استفاده کرد. دامنه کاربرد TinyML وسیع است و آیندهای روشن دارد.
هدف اصلی این دوره، آشنایی با توسعه TinyML، از جمعآوری دادهها، آموزش مدل، آزمایش و استقرار است. یک برد Arduino Nano RP2040 Connect کمهزینه با 265 کیلوبایت RAM و 16 مگابایت فلش و سنسورهای شتابسنج، ژیروسکوپ، میکروفون، حسگر دما و ماژول اتصال بیسیم (WiFi+Bluetooth) در این دوره استفاده میشود و تمام مثالهای ارائه شده در این دوره بر روی این برد آزمایش شدهاند.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
شروع کار با برد Nano RP2040 connect
Getting Started with Nano RP2040 connect board
بررسی اجمالی و مشخصات
Overview and Specification
راهاندازی محیط Arduino IDE و تست برد
Setting up Arduino IDE and testing the board
تست شتابسنج و ژیروسکوپ داخلی
Testing on-board Accelerometer and Gyroscope
تست میکروفن داخلی
Testing on-board Microphone
تست LED سهرنگ داخلی
Testing on-board Tri-color LED
چارچوب توسعه TinyML
TinyML Development Framework
راهاندازی چارچوب توسعه
Setting up development framework
نمایش نظرات