بینایی کامپیوتر (CV) یک زمینه مطالعاتی جذاب است که تلاش می‌کند فرآیند انتساب معنا به تصاویر یا فیلم‌های دیجیتال را خودکار کند. به عبارت دیگر، ما به رایانه ها کمک می کنیم تا دنیای اطراف ما را ببینند و درک کنند! تعدادی از الگوریتم‌ها و تکنیک‌های یادگیری ماشین (ML) را می‌توان برای انجام وظایف CV مورد استفاده قرار داد، و با سریع‌تر و کارآمدتر شدن ML، می‌توانیم این تکنیک‌ها را در سیستم‌های تعبیه‌شده مستقر کنیم. این دوره که با مشارکت Edge Impulse، OpenMV، Seeed Studio و TinyML Foundation ارائه شده است، به شما درک می کند که چگونه می توان از یادگیری عمیق با شبکه های عصبی برای طبقه بندی تصاویر و تشخیص اشیاء در تصاویر و ویدیوها استفاده کرد. شما این فرصت را خواهید داشت که این مدل های یادگیری ماشینی را در سیستم های جاسازی شده، که به عنوان یادگیری ماشین جاسازی شده یا TinyML شناخته می شود، مستقر کنید. آشنایی با زبان برنامه نویسی پایتون و مفاهیم اولیه ML (مانند شبکه های عصبی، آموزش، استنتاج و ارزیابی) برای درک برخی از موضوعات و همچنین تکمیل پروژه ها توصیه می شود. مقداری ریاضی (خواندن نمودار، حساب، جبر) نیز برای آزمون ها و پروژه ها مورد نیاز است. اگر قبلاً این کار را نکرده اید، شرکت در دوره «مقدمه ای بر یادگیری ماشین جاسازی شده» توصیه می شود. این دوره مفاهیم و واژگان لازم برای درک نحوه عملکرد شبکه های عصبی کانولوشن (CNN) را پوشش می دهد و نحوه استفاده از آنها برای طبقه بندی تصاویر و تشخیص اشیا را پوشش می دهد. پروژه های عملی به شما این فرصت را می دهد که CNN های خود را آموزش دهید و آنها را روی یک میکروکنترلر و/یا کامپیوتر تک بردی مستقر کنید.

رشد انفجاری "اینترنت اشیا" در حال تغییر جهان ما است و کاهش سریع قیمت قطعات معمولی اینترنت اشیا به افراد اجازه می دهد تا طرح ها و محصولات جدیدی را در خانه نوآوری کنند. در این اولین کلاس تخصصی شما با اهمیت اینترنت اشیا در جامعه، اجزای فعلی دستگاه های معمولی اینترنت اشیا و روندهای آینده آشنا خواهید شد. ملاحظات طراحی اینترنت اشیا، محدودیت ها و رابط بین دنیای فیزیکی و دستگاه شما نیز پوشش داده خواهد شد. شما همچنین یاد خواهید گرفت که چگونه بین سخت افزار و نرم افزار طراحی مبادله ایجاد کنید. ما همچنین اجزای کلیدی شبکه را پوشش خواهیم داد تا اطمینان حاصل شود که دانش آموزان نحوه اتصال دستگاه خود را به اینترنت می دانند. لطفا توجه داشته باشید که این دوره شامل تالار گفتگو نمی باشد. پس از اتمام این دوره، شما قادر خواهید بود: 1. اصطلاح اینترنت اشیا را تعریف کنید 2. روندهای فناوری که منجر به اینترنت اشیا شده است را بیان کنید 3. تاثیر اینترنت اشیا بر جامعه را شرح دهید 4. تعریف کنید که یک سیستم تعبیه شده از نظر رابط کاربری چیست 5. اجزای یک سیستم تعبیه شده را شمارش و توصیف کنید 6. تعاملات سیستم های تعبیه شده با جهان فیزیکی را شرح دهید 7. اجزای اصلی سخت افزاری که بیشتر در دستگاه های اینترنت اشیا استفاده می شود را نام ببرید 8. تعامل بین نرم افزار و سخت افزار در دستگاه اینترنت اشیا را شرح دهید 9. نقش یک سیستم عامل برای پشتیبانی از نرم افزار در دستگاه اینترنت اشیا را شرح دهید 10. کاربرد شبکه و سخت افزار اولیه شبکه را توضیح دهید 11. ساختار اینترنت را شرح دهید 12. معنای "پروتکل شبکه" را شرح دهید 13. MANET ها و ارتباط آنها با اینترنت اشیا را توضیح دهید

یادگیری ماشینی (ML) به ما این امکان را می‌دهد که به رایانه‌ها آموزش دهیم تا بر اساس داده‌ها پیش‌بینی و تصمیم بگیرند و از تجربیات بیاموزند. در سال‌های اخیر، بهینه‌سازی‌های باورنکردنی برای الگوریتم‌های یادگیری ماشین، چارچوب‌های نرم‌افزاری و سخت‌افزار تعبیه‌شده انجام شده است. به لطف این، اجرای شبکه های عصبی عمیق و سایر الگوریتم های پیچیده یادگیری ماشینی در دستگاه های کم مصرف مانند میکروکنترلرها امکان پذیر است. این دوره به شما یک نمای کلی از نحوه کار یادگیری ماشین، نحوه آموزش شبکه های عصبی و نحوه استقرار آن شبکه ها در میکروکنترلرها را ارائه می دهد که به عنوان یادگیری ماشین جاسازی شده یا TinyML شناخته می شود. برای گذراندن این دوره نیازی به دانش قبلی یادگیری ماشین ندارید. آشنایی با آردوینو و میکروکنترلرها برای درک برخی از موضوعات و همچنین مقابله با پروژه ها توصیه می شود. مقداری ریاضی (خواندن نمودار، حساب، جبر) نیز برای آزمون ها و پروژه ها مورد نیاز است. ما مفاهیم و واژگان لازم برای درک اصول یادگیری ماشین و همچنین ارائه نمایش ها و پروژه هایی را برای ارائه تجربه عملی به شما پوشش خواهیم داد.