مهندس سیستم‌های تعبیه‌شده | توسعه‌دهنده FPGA | متخصص یکپارچه‌سازی هوش مصنوعی
ایجاد پل ارتباطی بین الکترونیک سنتی و هوش مصنوعی پیشرفته. تخصص در سیستم‌های تعبیه‌شده با عملکرد بالا، معماری‌های مبتنی بر FPGA و استقرار هوش مصنوعی در پلتفرم‌های SoC.
با بیش از یک دهه تجربه در صنعت الکترونیک و مدرک کارشناسی ارشد در سیستم‌های الکترونیک دیجیتال، من در ایجاد پل ارتباطی بین مهندسی الکترونیک سنتی و هوش مصنوعی پیشرفته تخصص دارم.
تخصص من شامل سیستم‌های تعبیه‌شده، معماری‌های مبتنی بر FPGA و طراحی PCB سفارشی است، جایی که بر ارائه راه‌حل‌های با عملکرد بالا، قابل اعتماد و کارآمد تمرکز می‌کنم. در طول سال‌ها، مدل‌های یادگیری عمیق را در سیستم‌های سخت‌افزاری، به ویژه در پلتفرم‌های System-on-Chip (SoC) یکپارچه کرده‌ام و طراحی‌ها را برای عملکرد بلادرنگ در محیط‌های با منابع محدود بهینه‌سازی کرده‌ام.
سفر من به سمت الکترونیک تقویت شده با هوش مصنوعی با پایان‌نامه کارشناسی ارشد شروع شد، جایی که برای اولین بار یادگیری عمیق را با سخت‌افزار دیجیتال ترکیب کردم. از آن زمان، مشتاقانه در حال پیش‌برد محدودیت‌های ممکن بوده‌ام - توسعه سیستم‌های هوشمندتر، سریع‌تر و قابلیت‌مندتر.
نرم‌افزار سنسور لیزری و پنل وب سبک تعبیه‌شده برای کنترل و پیکربندی بلادرنگ توسعه داده شده، بهینه‌سازی شده برای استقرار در دستگاه‌های تعبیه‌شده در سراسر جهان.
سخت‌افزار و فریم‌ور برای سیستم‌های دسترسی امن با استفاده از کارت‌های MIFARE طراحی شده، با پردازش داده‌های کارآمد و پروتکل‌های رمزنگاری قوی.
فریم‌ور سفارشی و رابط PC برای ارتباط بلادرنگ دستگاه، به‌روزرسانی فریم‌ور و تجزیه داده‌های سنسور ایجاد شده.
پیاده‌سازی پردازنده MIPS 5 مرحله‌ای pipeline روی FPGA Spartan-6 با طراحی VHDL ماژولار.
هسته پردازش تصویر برای کاربردهای فیلترینگ بلادرنگ طراحی و شبیه‌سازی شده.
کار روی پروژه‌های FPGA شتاب‌یافته با هوش مصنوعی، یکپارچه‌سازی استنتاج یادگیری عمیق در پلتفرم‌های SoC برای تحلیل سیگنال و تصویر بلادرنگ.
PCB سفارشی برای دستگاه‌های تعبیه‌شده، گره‌های IoT و بردهای FPGA طراحی شده، با تمرکز بر مصرف انرژی کم، قابلیت اعتماد بالا و قابلیت تولید.
طراحی‌های چندلایه سرعت بالا برای ماژول‌های پردازش هوش مصنوعی و رابط‌های سنسور پیشرفته ایجاد شده.
خط لوله یادگیری عمیق برای تشخیص و تقسیم‌بندی مناطق تومور (ادم، هسته، تقویت‌کننده) در اسکن‌های MRI مغز ساخته شده، بهینه‌سازی شده برای استقرار در پلتفرم‌های SoC.
سیستم‌های طبقه‌بندی کمک شده با هوش مصنوعی برای مجموعه داده‌های MRI و DICOM برای پشتیبانی از تشخیص‌های بالینی توسعه داده شده.
کاوش شبکه‌های عصبی شتاب‌یافته سخت‌افزاری با استفاده از FPGA و هسته‌های ARM برای کاربردهای هوش مصنوعی تعبیه‌شده.
مدرس: مهندس محمد امین خادم الحسینی
مدت زمان: ۲ ساعت
قیمت: رایگان
بیشتر بدانید
مدرس: مهندس محمد امین خادم الحسینی
مدت زمان: ۱۰ ساعت
قیمت: به زودی
بیشتر بدانید