پیادهسازی هوش مصنوعی بدون اینترنت در سختافزارهای الکترونیکی
در این رویداد، مهارتجویان با مفاهیم و زنجیره کامل توسعه، بهینهسازی و استقرار الگوریتمهای هوش مصنوعی روی میکروکنترلرها و سختافزارهای لبه (Edge) بدون نیاز به اینترنت و پردازش ابری آشنا خواهند شد.
معرفی جامع ورکشاپ
در این رویداد، مهارتجویان با مفاهیم و کاربردهای هوش مصنوعی در سیستمهای نهفته آشنا میشوند. از یادگیری ماشین و یادگیری عمیق تا پردازش تصویر، صدا و سیگنال در دستگاههای الکترونیکی و پروژههای IoT، شرکتکنندگان با زنجیره کامل توسعه، بهینهسازی و پیادهسازی الگوریتمها روی سختافزارهای محدود آشنا خواهند شد.
در طول رویداد، مدرس با ابزارهایی مانند TensorFlow Lite، Edge Impulse و STM32Cube.AI مثالها و کاربردهای واقعی را بررسی میکند و نحوه استفاده از آنها در پروژهها را شرح میدهد. در پایان نیز چند پروژه عملی بهصورت دمو روی بردهای واقعی نمایش داده میشود.
مخاطبان این دوره
این دوره بهصورت تخصصی برای گروههای زیر طراحی و تدوین شده است:
- مهندسین و متخصصین شرکتهای فعال در حوزه الکترونیک و سختافزار
- دانشجویان و فارغالتحصیلان مهندسی برق (الکترونیک، مخابرات، کنترل)
- دانشجویان و پژوهشگران مهندسی کامپیوتر و فناوری اطلاعات
- دانشجویان و متخصصین حوزه مهندسی پزشکی (سیگنال و پردازش)
سرفصلها و محتوای آموزشی ورکشاپ
مباحث کاربردی از مفاهیم پایه تا استقرار مدلهای بهینهسازیشده روی سختافزار
مقدمهای بر Embedded AI
- تعریف و تفاوت هوش مصنوعی در سیستمهای نهفته با AI مرسوم
- چرا هوش مصنوعی در دستگاههای الکترونیکی اهمیت دارد؟
- تعاریف مفاهیم Machine Learning، Deep Learning و شبکههای عصبی
کاربردها در سیستمهای نهفته
- پردازش تصویر (تشخیص اشیا، چهره، بارکد)
- پردازش صدا (تشخیص گفتار، فرمان صوتی، رویداد صوتی)
- تحلیل سیگنالها (ارتعاشات، ECG، سنسورهای صنعتی)
- هوش مصنوعی در پروژههای اینترنت اشیا (IoT)
زنجیره توسعه Embedded AI
- جمعآوری و آمادهسازی داده سنسوری/تصویری
- آشنایی با طراحی و آموزش مدل (ML / DL)
- بهینهسازی مدل برای سختافزار (Quantization, Pruning)
- پیادهسازی الگوریتمها روی سیستمهای نهفته
آشنایی تخصصی با TinyML
- چیستی، جایگاه و مزایای یادگیری ماشین سبک
- معرفی TensorFlow Lite for Microcontrollers
- کار با پلتفرم جامع Edge Impulse
- ابزارهای STMicroelectronics نظیر STM32Cube.AI و PyTorch
پیادهسازی روی سختافزار
- معرفی پردازنده هوش مصنوعی کندرایت K210
- استقرار مدل و اجرای الگوریتم بر روی میکروکنترلرهای STM32
- راهاندازی و تست عملیاتی روی برد Maixduino
پروژههای عملی و دموها
- پروژه ۱: تشخیص اجسام با پردازش تصویر بلادرنگ
- پروژه ۲: کنترل رله با دستور و فرامین صوتی آفلاین
- پروژه ۳: تشخیص حرکت و ژست دست با سنسور IMU
آماده پیادهسازی هوش مصنوعی روی سختافزار هستید؟
با توجه به محدودیت ظرفیت کارگاه (حداکثر ۳۰ نفر)، اولویت حضور با متقاضیانی است که سریعتر فرم ثبتنام زیر را تکمیل نمایند.
فرم الکترونیکی ثبت نام در دوره آموزشی
