لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش خودروهای خودمختار: یادگیری عمیق و دید کامپیوتر در پایتون
Autonomous Cars: Deep Learning and Computer Vision in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش OpenCV، Keras، تشخیص اشیا و خطوط و طبقه بندی علائم راهنمایی و رانندگی برای اتومبیل های خودران تشخیص خودکار خط کشی در تصاویر تشخیص اتومبیل ها و عابران پیاده با استفاده از طبقه بندی کننده آموزش دیده و با SVM طبقه بندی علائم راهنمایی و رانندگی با استفاده از شبکه های عصبی کانولوشن شناسایی سایر وسایل نقلیه در تصاویر با استفاده از الگو تطبیق ساخت شبکههای عصبی عمیق با Tensorflow و Keras تجزیه و تحلیل و تجسم دادهها با دادههای تصویر Numpy، Pandas، Matplotlib و Seaborn Process با استفاده از دوربینهای OpenCV Calibrate در پایتون، تصحیح اعوجاج تیز کردن و محو کردن تصاویر با کانولوشن تشخیص لبهها در تصاویر با Sobel، Laplace، و Canny Transform تصاویر از طریق ترجمه، چرخش، تغییر اندازه و تبدیل پرسپکتیو استخراج ویژگیهای تصویر با HOG Detect گوشههای شی با هریس طبقهبندی دادهها با تکنیکهای یادگیری ماشین از جمله رگرسیون، درختهای تصمیم، Naive Bayes و SVM طبقهبندی دادهها با شبکههای عصبی مصنوعی و یادگیری عمیق پیش نیازها: رایانه شخصی ویندوز، مک یا لینوکس با حداقل 3 گیگابایت فضای دیسک آزاد. چند تجربه قبلی در برنامه نویسی
اتومبیلهای خودران: دید رایانه و یادگیری عمیق
صنعت خودرو در حال تجربه یک تغییر الگو از وسایل نقلیه معمولی با هدایت انسان به وسایل نقلیه خودران و مجهز به هوش مصنوعی است. وسایل نقلیه خودران راه حلی ایمن، کارآمد و مقرون به صرفه را ارائه می دهند که به طور چشمگیری آینده حرکت انسان را بازتعریف می کند. انتظار میرود خودروهای خودران تا سال 2035 جان بیش از نیم میلیون نفر را نجات دهند و فرصتهای اقتصادی عظیمی بیش از 1 تریلیون دلار ایجاد کنند. p>
همانطور که جهان به سوی آینده ای بدون راننده پیش می رود، نیاز به مهندسان و محققان با تجربه در این زمینه نوظهور جدید هرگز به این اندازه حیاتی نبوده است.
هدف از این دوره ارائه دانش به دانشجویان از جنبه های کلیدی طراحی و توسعه وسایل نقلیه خودران است. این دوره به دانشجویان تجربیات عملی در مفاهیم مختلف وسایل نقلیه خودران مانند یادگیری ماشین و بینایی کامپیوتر را ارائه می دهد. مفاهیمی مانند تشخیص خط، طبقه بندی علائم راهنمایی و رانندگی، تشخیص وسیله نقلیه/اشیاء، هوش مصنوعی و یادگیری عمیق ارائه خواهد شد. این دوره برای دانشآموزانی که میخواهند درک اساسی از کنترل وسایل نقلیه خودران به دست آورند، هدفگذاری شده است. دانش اولیه برنامه نویسی توصیه می شود. با این حال، این موضوعات به طور گسترده در طول سخنرانی های دوره اولیه پوشش داده خواهد شد. بنابراین، این دوره هیچ پیش نیازی ندارد و برای هر دانشجویی که دانش اولیه برنامه نویسی داشته باشد آزاد است. دانشآموزانی که در این دوره آموزشی خودروهای خودران ثبتنام میکنند، بر فناوریهای خودروهای بدون راننده تسلط خواهند داشت که آینده حملونقل را تغییر میدهند.
ابزارها و الگوریتمهایی که ما پوشش خواهیم داد عبارتند از:
OpenCV
یادگیری عمیق و شبکه های عصبی مصنوعی
شبکه های عصبی کانولوشنال
تطابق الگو
استخراج ویژگی HOG
SIFT، SURF، FAST و ORB
Tensorflow و Keras
رگرسیون خطی و رگرسیون لجستیک
درخت تصمیم
پشتیبانی از ماشینهای بردار
بیز ساده
مدرسان شما دکتر رایان احمد با مدرک دکترای مهندسی با تمرکز بر سیستم های کنترل خودروهای الکتریکی و فرانک کین هستند که 9 سال در آمازون متخصص در یادگیری ماشینی گذرانده است. فرانک و دکتر احمد با هم به بیش از 500000 دانش آموز در سراسر جهان تنها در Udemy آموزش داده اند.
دانشجویان دوره محبوب ما، "علم داده، یادگیری عمیق، و یادگیری ماشین با پایتون" ممکن است برخی از موضوعات را مروری بر آنچه در آنجا پوشش داده شده است، از دریچه خودروهای خودران ببینند. اما، بیشتر دوره بر روی موضوعاتی متمرکز است که قبلا هرگز به آنها پرداخته ایم، مخصوصاً تکنیک های بینایی کامپیوتری مورد استفاده در وسایل نقلیه خودران. تعداد زیادی مهارت جدید و ارزشمند در اینجا وجود دارد که باید یاد بگیرید!
سرفصل ها و درس ها
راه اندازی و نصب محیط
Environment Setup and Installation
Anaconda، OpenCV، Tensorflow و Course Materials را نصب کنید
Install Anaconda, OpenCV, Tensorflow, and the Course Materials
محیط خود را با تشخیص لبه بلادرنگ در یک نوت بوک Jupyter آزمایش کنید
Test your Environment with Real-Time Edge Detection in a Jupyter Notebook
Udemy 101: بیشترین بهره را از این دوره ببرید
Udemy 101: Getting the Most From This Course
راه اندازی و نصب محیط
Environment Setup and Installation
معرفی
Introduction
معرفی
Introduction
Anaconda، OpenCV، Tensorflow و Course Materials را نصب کنید
Install Anaconda, OpenCV, Tensorflow, and the Course Materials
محیط خود را با تشخیص لبه بلادرنگ در یک نوت بوک Jupyter آزمایش کنید
Test your Environment with Real-Time Edge Detection in a Jupyter Notebook
Udemy 101: بیشترین بهره را از این دوره ببرید
Udemy 101: Getting the Most From This Course
یادداشت مهم
Important note
یادداشت مهم
Important note
مقدمه ای بر خودروهای خودران
Introduction to Self-Driving Cars
مقدمه ای بر خودروهای خودران
Introduction to Self-Driving Cars
تاریخچه مختصری از وسایل نقلیه خودران
A Brief History of Autonomous Vehicles
تاریخچه مختصری از وسایل نقلیه خودران
A Brief History of Autonomous Vehicles
بررسی اجمالی دوره و نتایج یادگیری
Course Overview and Learning Outcomes
بررسی اجمالی دوره و نتایج یادگیری
Course Overview and Learning Outcomes
دوره سقوط پایتون [اختیاری]
Python Crash Course [Optional]
مبانی پایتون: تاپل ها و دیکشنری ها
Python Basics: Tuples and Dictionaries
دوره سقوط پایتون [اختیاری]
Python Crash Course [Optional]
مبانی پایتون: فضای خالی، واردات و فهرست ها
Python Basics: Whitespace, Imports, and Lists
مبانی پایتون: فضای خالی، واردات و فهرست ها
Python Basics: Whitespace, Imports, and Lists
مبانی پایتون: تاپل ها و دیکشنری ها
Python Basics: Tuples and Dictionaries
مبانی پایتون: توابع و عملیات بولی
Python Basics: Functions and Boolean Operations
مبانی پایتون: توابع و عملیات بولی
Python Basics: Functions and Boolean Operations
مبانی پایتون: حلقه زدن و یک تمرین
Python Basics: Looping and an Exercise
مبانی پایتون: حلقه زدن و یک تمرین
Python Basics: Looping and an Exercise
آشنایی با پانداها
Introduction to Pandas
آشنایی با پانداها
Introduction to Pandas
مقدمه ای بر MatPlotLib
Introduction to MatPlotLib
مقدمه ای بر MatPlotLib
Introduction to MatPlotLib
معرفی Seaborn
Introduction to Seaborn
معرفی Seaborn
Introduction to Seaborn
مبانی بینایی کامپیوتر: بخش 1
Computer Vision Basics: Part 1
بینایی کامپیوتر چیست و چرا اهمیت دارد؟
What is computer vision and why is it important?
تصویر چیست و چگونه به صورت دیجیتالی ذخیره می شود؟
what is an image and how is it digitally stored?
[فعالیت] تشخیص خطوط خطوط در تصویر مقیاس خاکستری
[Activity] Detect lane lines in gray scale image
چالش های تکنیک انتخاب رنگ چیست؟
What are the challenges of color selection technique?
فضاهای رنگی
Color Spaces
[فعالیت] فضاهای رنگی RGB را به HSV تبدیل کنید و کانال ها را ادغام/تقسیم کنید
[Activity] Convert RGB to HSV color spaces and merge/split channels
پیچش - تیز کردن و تاری
Convolutions - Sharpening and Blurring
تشخیص لبه و محاسبات گرادیان (Sobel، Laplace و Canny)
Edge Detection and Gradient Calculations (Sobel, Laplace and Canny)
[فعالیت] تشخیص لبه و محاسبات گرادیان (Sobel، Laplace و Canny)
[Activity] Edge Detection and Gradient Calculations (Sobel, Laplace and Canny)
[فعالیت] پروژه شماره 1: Canny Sobel و Laplace Edge Detection با استفاده از وب کم
[Activity] Project #1: Canny Sobel and Laplace Edge Detection using Webcam
مبانی بینایی کامپیوتر: بخش 1
Computer Vision Basics: Part 1
بینایی کامپیوتر چیست و چرا اهمیت دارد؟
What is computer vision and why is it important?
سیستم بینایی انسان در مقابل کامپیوتر
Humans vs. Computers Vision system
سیستم بینایی انسان در مقابل کامپیوتر
Humans vs. Computers Vision system
تصویر چیست و چگونه به صورت دیجیتالی ذخیره می شود؟
what is an image and how is it digitally stored?
[فعالیت] تصویر رنگی را مشاهده کنید و RGB را به خاکستری تبدیل کنید
[Activity] View colored image and convert RGB to Gray
[فعالیت] تصویر رنگی را مشاهده کنید و RGB را به خاکستری تبدیل کنید
[Activity] View colored image and convert RGB to Gray
[فعالیت] تشخیص خطوط خطوط در تصویر مقیاس خاکستری
[Activity] Detect lane lines in gray scale image
[فعالیت] تشخیص خطوط خطوط در تصویر رنگی
[Activity] Detect lane lines in colored image
[فعالیت] تشخیص خطوط خطوط در تصویر رنگی
[Activity] Detect lane lines in colored image
چالش های تکنیک انتخاب رنگ چیست؟
What are the challenges of color selection technique?
فضاهای رنگی
Color Spaces
[فعالیت] فضاهای رنگی RGB را به HSV تبدیل کنید و کانال ها را ادغام/تقسیم کنید
[Activity] Convert RGB to HSV color spaces and merge/split channels
پیچش - تیز کردن و تاری
Convolutions - Sharpening and Blurring
[فعالیت] پیچیدگی - تیز کردن و محو کردن
[Activity] Convolutions - Sharpening and Blurring
[فعالیت] پیچیدگی - تیز کردن و محو کردن
[Activity] Convolutions - Sharpening and Blurring
تشخیص لبه و محاسبات گرادیان (Sobel، Laplace و Canny)
Edge Detection and Gradient Calculations (Sobel, Laplace and Canny)
[فعالیت] تشخیص لبه و محاسبات گرادیان (Sobel، Laplace و Canny)
[Activity] Edge Detection and Gradient Calculations (Sobel, Laplace and Canny)
[فعالیت] پروژه شماره 1: Canny Sobel و Laplace Edge Detection با استفاده از وب کم
[Activity] Project #1: Canny Sobel and Laplace Edge Detection using Webcam
مبانی بینایی کامپیوتر: قسمت 2
Computer Vision Basics: Part 2
تبدیل تصویر - چرخش، ترجمه و تغییر اندازه
Image Transformation - Rotations, Translation and Resizing
[فعالیت] کد برای انجام چرخش، ترجمه و تغییر اندازه
[Activity] Code to perform rotation, translation and resizing
[فعالیت] تغییر شکل تصویر غیر وابسته را روی یک تصویر علائم راهنمایی و رانندگی انجام دهید
[Activity] Perform non-affine image transformation on a traffic sign image
پوشش منطقه مورد علاقه
Region of interest masking
[فعالیت] تبدیل Hough – مثال عملی در پایتون
[Activity] Hough transform – practical example in python
مبانی بینایی کامپیوتر: قسمت 2
Computer Vision Basics: Part 2
تبدیل تصویر - چرخش، ترجمه و تغییر اندازه
Image Transformation - Rotations, Translation and Resizing
[فعالیت] کد برای انجام چرخش، ترجمه و تغییر اندازه
[Activity] Code to perform rotation, translation and resizing
تبدیل تصویر - تبدیل چشم انداز
Image Transformations – Perspective transform
تبدیل تصویر - تبدیل چشم انداز
Image Transformations – Perspective transform
[فعالیت] تغییر شکل تصویر غیر وابسته را روی یک تصویر علائم راهنمایی و رانندگی انجام دهید
[Activity] Perform non-affine image transformation on a traffic sign image
اتساع و فرسایش برش تصویر
Image cropping dilation and erosion
اتساع و فرسایش برش تصویر
Image cropping dilation and erosion
[فعالیت] کد برای انجام اتساع و فرسایش برش تصویر
[Activity] Code to perform Image cropping dilation and erosion
[فعالیت] کد برای انجام اتساع و فرسایش برش تصویر
[Activity] Code to perform Image cropping dilation and erosion
پوشش منطقه مورد علاقه
Region of interest masking
[فعالیت] کد برای تعریف منطقه مورد علاقه
[Activity] Code to define the region of interest
[فعالیت] کد برای تعریف منطقه مورد علاقه
[Activity] Code to define the region of interest
نظریه تبدیل هاف
Hough transform theory
نظریه تبدیل هاف
Hough transform theory
[فعالیت] تبدیل Hough – مثال عملی در پایتون
[Activity] Hough transform – practical example in python
راه حل پروژه: تبدیل Hough برای تشخیص خطوط خطوط در یک تصویر
Project Solution: Hough transform to detect lane lines in an image
راه حل پروژه: تبدیل Hough برای تشخیص خطوط خطوط در یک تصویر
Project Solution: Hough transform to detect lane lines in an image
مبانی بینایی کامپیوتر: قسمت 3
Computer Vision Basics: Part 3
[فعالیت] یک کامیون را در یک تصویر به صورت دستی پیدا کنید!
[Activity] Find a truck in an image manually!
تطبیق الگو - یک کامیون پیدا کنید
Template Matching - Find a Truck
[فعالیت] کد برای انجام تشخیص گوشه
[Activity] Code to perform corner detection
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
فرانک 9 سال را در آمازون و IMDb گذراند و فناوری را توسعه و مدیریت کرد که به طور خودکار توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه می دهد. زمان. فرانک دارای 17 حق ثبت اختراع صادر شده در زمینه های محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012، فرانک شرکت موفق خود را به نام Sundog Software راه اندازی کرد که بر فناوری محیط واقعیت مجازی تمرکز دارد و به دیگران در مورد تجزیه و تحلیل داده های بزرگ آموزش می دهد.
استاد و پرفروش ترین مربی Udemy ، دانشجویان 100K + رایان احمد مربی پرفروش Udemy است که علاقه زیادی به آموزش و فناوری دارد. ماموریت رایان این است که آموزش با کیفیت را برای همه قابل دسترسی و مقرون به صرفه کند. رایان دکترای خود را دارد. مدرک مهندسی مکانیک از دانشگاه مک مستر * ، با تمرکز بر مکاترونیک و کنترل وسایل نقلیه الکتریکی (EV). وی همچنین با تمرکز بر هوش مصنوعی (AI) و تشخیص خطا و MBA در امور مالی از دانشکده بازرگانی DeGroote ، مدرک کارشناسی ارشد علمی کاربردی را از مک مستر دریافت کرد.
رایان چندین سمت مهندسی در شرکتهای Fortune 500 در سطح جهان مانند سامسونگ آمریکا و فیات-کرایسلر اتومبیل (FCA) کانادا داشت. رایان چندین دوره در زمینه علوم ، فناوری ، مهندسی و ریاضیات را به بیش از 100000 دانشجو در سطح جهان آموزش داده است. وی بیش از 15 مقاله تحقیقاتی در زمینه مجلات و کنفرانس ها در زمینه تخمین وضعیت ، هوش مصنوعی ، یادگیری ماشین ، مدل سازی باتری و کنترل های EV دارد. وی دریافت کننده بهترین جایزه مقاله در کنفرانس برق و حمل و نقل IEEE حمل و نقل (iTEC 2012) در دیترویت ، میشیگان ، ایالات متحده آمریکا است.
بنیانگذار ، آموزش Sundog. یادگیری ماشینی ماموریت ProSundog Education این است که مهارتهای شغلی بسیار ارزشمندی را در داده های بزرگ ، علوم داده و یادگیری ماشینی در دسترس همه افراد در جهان قرار دهد. کنسرسیوم مربیان متخصص ما ، دانش ما را در این زمینه های نوظهور با قیمت هایی که هرکس می تواند تحمل کند ، در اختیار شما قرار می دهد.
Sundog Education توسط فرانک کین هدایت می شود و متعلق به شرکت فرانک ، Sundog Software LLC است. فرانک 9 سال را در آمازون و IMDb سپری کرد و فناوری را توسعه داد و به طور مداوم توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه داد. فرانک دارای 17 اختراع ثبت شده در زمینه محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012 ، فرانك رفت و شركت موفق خود ، Sundog Software را كه متمركز بر فناوري محيط واقعيت مجازي است و به ديگران در مورد تجزيه و تحليل داده هاي بزرگ مي پردازد ، راه اندازي كرد.
با توجه به تعداد دانشجویان ما قادر به پاسخگویی به پیامهای خصوصی نیستیم. لطفا سوالات خود را در پرسش و پاسخ دوره خود ارسال کنید. ممنون از اینکه میفهمی.
نمایش نظرات