دوره Embedded AI مقدماتی

سرفصل آموزشی دوره Embedded AI مقدماتی

مقدماتی در مورد زبان برنامه نویسی پایتون

• مروری بر کدنویسی در محیط VSCode و بررسی دستورات مهم زبان برنامه نویسی پایتون

توضیحاتی کلی درباره یادگیری ماشین

• طرح مسئله در مورد ضرورت استفاده از ماشین در حل مسائل و کنترل پارامترهای موجود در سیستم ها

تشریح کامل مفاهیم پایه در هوش مصنوعی

• هوش مصنوعی چیست، تفاوت آن با ML و DL چیست

سیستم های embedded

• مرور مفاهیم سیستم های embedded

• مروری بر پردازنده های STM32

• گریزی بر دیگر پردازنده ها مانند ESP32 ، Arduino و ... معرفی پردازنده های کاستوم شده برای کاربردهای AI

آموزش مفاهیم یادگیری ماشین

• بررسی کامل مفاهیم داده (data) ، ویژگی (feature) و برچسب( label )

• بررسی انواع روش های یادگیری ماشین: یادگیری با نظارت، بی نظارت و تقویتی

• معرفی الگوریتم های رایج و مهم در یادگیری ماشین( ماشین بردار، درخت تصمیم، KNN ، شبکه های عصبی)

• کدنویسی الگوریتم های یادگیری ماشین در پایتون( معرفی کتابخانه های مهم و رایج در یادگیری ماشین مانند scikit-learn و keras)

بررسی انواع روش های ارزیابی و سنجش عملکرد مدل

• معرفی ماتریس سردرگمی، Acc ،Recall ، Precision

• انجام دو پروژه ساده یادگیری ماشین جهت فهم عمیق تر و درک کامل از روند انجام پروژه ML

مروری مختصر بر کدنویسی میکروکنترلرهای STM32

• انجام چند پروژه با برد آموزشی نیرا و یادآوری کدنویسی و پروتکل های ارتباطی مورد نیاز

شروع انتقال مدل ML به دنیای embedded

• معرفی ابزارهای کاربردی و مهم در این زمینه مانند TinyML ، TF Lite Micro ، STM32Cube.AI ، CMSIS-NN ، Edge Impulse

مقایسه ابزارها و بررسی مزایا و معایب آنها

آماده سازی مدل جهت ورود به دنیای embedded

• بهینه سازی و کوانتیزاسیون

• Pruning

• تبدیل مدل به.onnx و .h5 یا .tflite

• آشنایی با ابزار xxd

• تمرکز عمیق بر روی مسیر ایجاد پروژه جهت پیاده سازی مدل در STM32F407 و برد آموزشی نیرا

•  انجام پروژه عملی با برد آموزشی

آینده شغلی دوره Embedded AI مقدماتی

روش برگزاری دوره Embedded AI مقدماتی

این دوره با رویکردی ترکیبی از مباحث نظری دقیق و کارگاه‌های عملی گسترده برگزار می‌شود. آغاز دوره با مرور مبانی پایتون و هوش مصنوعی همراه است و سپس به صورت گام به گام به مباحث پیشرفته‌تر نظیر طراحی، آموزش، ارزیابی و بهینه‌سازی مدل‌های یادگیری ماشین برای محیط‌های امبدد پرداخته می‌شود. تاکید ویژه بر پروژه‌های عملی و استفاده از ابزارهای صنعتی مرتبط، تجربه عملی ارزشمندی را برای شرکت‌کنندگان فراهم خواهد آورد.

توانایی دانشجو در پایان دوره Embedded AI مقدماتی

در پایان این دوره، شرکت‌کنندگان به درک عمیقی از مبانی هوش مصنوعی و یادگیری ماشین دست خواهند یافت و در پیاده‌سازی مدل‌ها با زبان برنامه‌نویسی پایتون و کتابخانه‌های مرتبط (مانند Scikit-learn و Keras) تسلط پیدا خواهند کرد. همچنین، توانایی بهینه‌سازی و استقرار این مدل‌ها بر روی سیستم‌های امبدد (مانند میکروکنترلرهای STM32 و ESP32) را کسب کرده، که ایشان را قادر می‌سازد پروژه‌های هوش مصنوعی را از طراحی تا اجرا بر روی سخت‌افزار، به انجام رسانند.

سوالات متداول دانشجویان

برای یادگیری Embedded AI چه پیش‌نیازی لازم است؟
دوره Embedded AI نیراسیستم ویژه افرادی طراحی شده که به سرفصل‌های دوره  میکروکنترلرARMSTM32  به‌صورت کامل مسلط هستند

 آیا امکان ثبت نام بصورت اقساطی وجود دارد؟
بله، با استفاده از درگاه اسنپ پی می توانید دوره مورد نظر خود را در 4 قسط پرداخت کنید .

آیا در این دوره ChatGPT آموزش داده می شود؟
خیر، شرکت کنندگان در این دوره استفاده از الگوریتم های هوش مصنوعی در سیستم های نهفته را آموزش خواهند دید.
 
آیا در انتهای دوره برای شرکت‌کنندگان گواهینامه صادر می‌شود؟
درصورتی‌که دانشجو در پایان دوره نمره‌ی لازم را کسب کند، موفق به دریافت گواهینامه خواهد شد. حد نصاب نمره 70 از 100 بوده و از مجموع نمرات فعالیت‌های کلاسی، کوییزها، تمرینات و آزمون پایانی دانشجو محاسبه می‌شود.
 
آیا برای این دوره جزوه یا کتاب خاصی باید خریداری شود؟
در تمامی دوره‌های آموزشی کتاب‌ها، مراجع و فایل‌های آموزشی مختلفی توسط اساتید معرفی می‌گردد.
 
نحوه برگزاری آزمون پایانی دوره به چه صورت است؟ 
مدت زمان مشخصی از جلسه پایانی هر دوره به برگزاری آزمون اختصاص می‌یابد. این آزمون کاملاً عملی بوده و سوال مطرح‌شده در قالب یک پروژه‌ی ترکیبی ارائه می‌شود. 

پاسخ به پرسش های شما