آموزش ساخت پیش‌بینی‌کننده حجم ترافیک - آخرین آپدیت

دانلود Building a Traffic Volume Predictor

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: در این پروژه عملی، ما یک شبکه عصبی برای پیش‌بینی حجم ترافیک در یکی از بزرگراه‌های مینه‌سوتا می‌سازیم. الگوهای ترافیکی نوسانی هستند و پیش‌بینی آن‌ها را دشوار می‌کنند، اما یادگیری عمیق می‌تواند الگوهای پنهان را کشف کند. چنین سیستمی می‌تواند به کاهش تراکم، بهبود طراحی جاده‌ها، ارتقای ایمنی و حتی برنامه‌ریزی برای سفرهای راحت‌تر کمک کند! پیش‌بینی حجم ترافیک به دلیل الگوهای متغیر تحت تأثیر زمان و عوامل خارجی، یک چالش پیچیده است. در این آموزش گام‌به‌گام، ما یک شبکه عصبی برای تحلیل و پیش‌بینی حجم ترافیک در بزرگراهی در مینه‌سوتای آمریکا خواهیم ساخت. با استفاده از یادگیری عمیق، الگوهای انتزاعی را از داده‌های تاریخی ترافیک استخراج می‌کنیم تا دقت پیش‌بینی را افزایش دهیم. این پروژه عملی شما را از مراحل آماده‌سازی داده‌ها، ساخت مدل، آموزش و ارزیابی با استفاده از PyTorch عبور می‌دهد. شما با مجموعه‌داده‌های واقعی ترافیکی کار خواهید کرد، داده‌ها را پیش‌پردازش می‌کنید و یک شبکه عصبی را برای پیش‌بینی‌های بهینه تنظیم می‌کنید. در این مسیر، بینش‌های ارزشمندی در مورد مدیریت داده‌های سری زمانی و استفاده از هوش مصنوعی برای پیش‌بینی‌های آگاهانه ترافیکی به دست خواهید آورد. در پایان، شما یک پیش‌بینی‌کننده عملی حجم ترافیک خواهید داشت که می‌تواند در مدیریت تراکم، برنامه‌ریزی جاده‌ای و بهره‌وری رفت‌وآمد کمک کند. دفترچه DataLab خود را برای این پروژه ایجاد کنید: (https://www.datacamp.com/datalab/new?accountType=personal&_tag=workspace&workspaceId=a04557f6-e047-4564-a838-bbfcbdeac2fc&title=Building%20a%20Traffic%20Volume%20Predictor&visibility=private&openIfExists=true) این دوره برای افرادی که درک پایه‌ای از مفاهیم یادگیری ماشین و علوم داده دارند، ایده‌آل است. آشنایی با پایتون و اصول اولیه شبکه‌های عصبی کمک‌کننده خواهد بود، اما تجربه قبلی در یادگیری عمیق یا تحلیل سری‌های زمانی الزامی نیست. این دوره برای دانشمندان داده، تحلیلگران حمل‌ونقل و متخصصان یادگیری ماشین که به دنبال به کارگیری مهارت‌های خود در چالش‌های دنیای واقعی هستند، مناسب است. در این دوره عملی، شما مستقیماً با مجموعه‌داده‌های واقعی ترافیکی کار می‌کنید تا یک مدل LSTM برای پیش‌بینی حجم ترافیک بسازید و آموزش دهید. شما مراحل ضروری از جمله پیش‌پردازش داده‌ها، آموزش مدل و ارزیابی را خواهید آموخت. هر مرحله به‌گونه‌ای طراحی شده است که به شما در درک پیش‌بینی سری‌های زمانی کمک کند و تمرین‌های هدایت‌شده برای اطمینان از درک روشن تکنیک‌های یادگیری عمیق در عمل گنجانده شده است. این دوره بر اساس پروژه Building a Traffic Volume Predictor توسط DataLab و Bernd Schrooten تهیه شده است. این دوره توسط Packt لایسنس شده و توزیع می‌گردد. تمامی حقوق محفوظ است. پکت (Packt) یکی از پرکارترین ناشران محتوای فنی پیشرفته در جهان است. برای بیش از دو دهه، ماموریت ما گردآوری و انتشار دانش برترین متخصصان فنی بوده است. ما بر دوره‌های کاربردی تمرکز داریم که به مشتریان ما در انجام کارهایشان کمک می‌کند و موضوعاتی را پوشش می‌دهد که طیف وسیعی از مباحث فنی تثبیت شده و پیشرو را شامل می‌شود. اگر فرد یا سازمانی هستید که یادگیری از طریق انجام دادن (Learning by doing) را می‌پذیرید، Packt انتخابی عالی برای شماست.

سرفصل ها و درس ها