آموزش یادگیری ماشین و ماشین های خودران: بوت کمپ با پایتون

Machine Learning & Self-Driving Cars: Bootcamp with Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با ترکیب قدرت یادگیری ماشینی، یادگیری عمیق و دید کامپیوتری یک ماشین خودران بسازید! Master Machine Learning و Python یاد بگیرید که چگونه از ابتدا الگوریتم های یادگیری ماشین را برای توسعه یک ماشین خودران به کار ببرید درک کنید که چرا Deep Learning چنین انقلابی است و از آن برای رانندگی ماشین مانند یک انسان استفاده کنید (شبیه سازی رفتاری) شبیه سازی یک ماشین خودران در یک محیط واقع گرایانه با استفاده از تکنیک های متعدد (Computer Vision، Convolution Neural Networks، ...) ارزش افزوده قوی برای کسب و کار خود ایجاد کنید. محبوب‌ترین کتابخانه) یاد بگیرید که از تکنیک‌های Computer Vision و Deep Learning برای ساخت الگوریتم‌های مرتبط با خودرو استفاده کنید. درک نحوه عملکرد اتومبیل‌های خودران (حسگرها، محرک‌ها، کنترل سرعت، ...) آموزش کدنویسی در پایتون از همان ابتدا کتابخانه‌های پایتون: NumPy، Sklearn (Scikit-Learn)، Keras، OpenCV، Matplotlib پیش نیازها: هر دانش آموز با دانش پایه فیزیک و ریاضی می تواند عضو شود (همه سطوح مهارت پذیرفته می شود) تجربه برنامه نویسی قبلی ضروری نیست

به یادگیری ماشین یا خودروهای خودران (یعنی تسلا) علاقه دارید؟ پس این دوره برای شماست!

این دوره توسط یک دانشمند داده حرفه ای، متخصص در وسایل نقلیه خودمختار، با هدف به اشتراک گذاشتن دانش من و کمک به شما در درک نحوه عملکرد خودروهای خودران به روشی ساده طراحی شده است.

هر موضوع در سه سطح ارائه می شود:

  • مقدمه: موضوع ارائه خواهد شد، شهود اولیه در مورد آن

  • Hands-On: سخنرانی‌های عملی که با انجام آن‌ها می‌آموزیم

  • [اختیاری] شیرجه عمیق: برای درک کامل موضوع به ریاضیات عمیق بروید

از چه ابزارهایی در دوره استفاده خواهیم کرد؟

  • Python: احتمالا همه کاره ترین زبان برنامه نویسی در جهان، از وب سایت ها گرفته تا شبکه های عصبی عمیق، همه را می توان در پایتون انجام داد

  • کتابخانه‌های پایتون: matplotlib، OpenCV، numpy، scikit-learn، keras، ... (این کتابخانه‌ها امکانات پایتون را نامحدود می‌کنند)

  • Webots: یک شبیه‌ساز بسیار قدرتمند، که رایگان و منبع باز است، اما می‌تواند طیف گسترده‌ای از سناریوهای شبیه‌سازی را ارائه دهد (خودروهای خودران، هواپیماهای بدون سرنشین، چهارپایان، بازوهای رباتیک، خطوط تولید، ...)

این دوره برای چه کسانی است؟

  • همه سطوح: هیچ دانش قبلی لازم نیست، بخشی وجود دارد که نحوه برنامه نویسی در پایتون را به شما آموزش می دهد

  • ریاضی/منطق: سطح دبیرستان برای درک همه چیز کافی است!

بخش ها:

  • [اختیاری] بخش‌های پایتون: نحوه برنامه‌نویسی در پایتون و نحوه استفاده از کتابخانه‌های ضروری

  • Computer Vision: به رایانه می آموزد که چگونه ببیند و مفاهیم کلیدی شبکه های عصبی را معرفی می کند

  • یادگیری ماشین: مقدمه، مفاهیم کلیدی و طبقه بندی علائم جاده

  • جلوگیری از برخورد: تاکنون از دوربین‌ها استفاده کرده‌ایم، در این بخش می‌فهمیم که چگونه از سنسورهای رادار و لیدار برای خودروهای خودران استفاده می‌شود، از آنها برای جلوگیری از برخورد، برنامه‌ریزی مسیر استفاده می‌کنیم

    • به ما کمک کنید تفاوت بین تسلا و سایر سازندگان خودرو را درک کنیم، زیرا تسلا از سنسورهای رادار استفاده نمی‌کند

  • یادگیری عمیق: ما از تمام مفاهیمی که قبلاً در CV، در ML و CA، معرفی شبکه های عصبی، شبیه سازی رفتاری دیده ایم استفاده خواهیم کرد

  • تئوری کنترل: سیستم‌های کنترل چسبی است که همه زمینه‌های مهندسی را به هم پیوند می‌دهد

    • اگر عمدتاً به ML علاقه مند هستید، فقط می توانید به مقدمه این بخش گوش دهید، اما باید بدانید که شبکه های عصبی اولیه به شدت تحت تأثیر CT قرار گرفته اند

من کی هستم و چرا واجد شرایط صحبت کردن در مورد خودروهای خودران هستم؟

  • در موتورسیکلت ها، قایق ها و اتومبیل های خودران کار می کرد

  • برخی از بزرگترین شرکت های جهان

  • بیش از 8 سال تجربه در صنعت و کارشناسی ارشد در CV رباتیک

  • همیشه به یادگیری کارآمد علاقه داشتم و از تمام تکنیک هایی که در این دوره یاد گرفتم استفاده کردم


سرفصل ها و درس ها

معرفی Introduction

  • چرا این دوره؟ Why This Course?

  • چگونه به این دوره نزدیک شویم؟ How to Approach This Course?

  • آن را جذاب کنید Make it Engaging

  • کد دوره برای سخنرانی های عملی را دریافت کنید Get the Course Code for Practical Lectures

پایتون [اختیاری] Python [Optional]

  • نصب و راه اندازی Installation

  • انواع در پایتون Types in Python

  • انواع در پایتون Types in Python

  • فهرست و نقشه List & Map

  • فهرست و نقشه List & Map

  • عملیات Operations

  • عملیات Operations

  • بیانیه Statements

  • بیانیه Statements

  • کارکرد Functions

  • کارکرد Functions

  • کلاس ها Classes

  • کلاس های پایه Classes Basic

  • وراثت طبقات Classes Inheritance

  • برنامه نویسی شی گرا Object Oriented Programming

  • کتابخانه ها/ماژول ها Libraries / Modules

  • ماژول ها Modules

کتابخانه های ضروری پایتون [اختیاری] Python's Essential Libraries [Optional]

  • مقدمه ای بر کتابخانه های پایتون Introduction to Python Libraries

  • ناپخته Numpy

  • ناپخته Numpy

  • Matplotlib Matplotlib

  • تست سریع Matplotlib Matplotlib Quick Test

  • OpenCV OpenCV

  • تست OpenCV OpenCV Test

  • سایر کتابخانه ها Other Libraries

  • آزمون کتابخانه های دیگر Other Libraries Quiz

کامپیوتر ویژن Computer Vision

  • مقدمه ای بر بینایی کامپیوتر Introduction to Computer Vision

  • کامپیوترها چگونه تصاویر را می بینند؟ How Computers "See" Images?

  • هسته و پیچیدگی Kernel & Convolution

  • پردازش تصویر با هسته Image Processing with Kernels

  • آستانه گذاری Thresholding

  • تقسیم بندی جاده ها Road Segmentation

  • چرا Webbots؟ Why Webots?

  • چگونه Webbots را در ویندوز نصب کنیم؟ [ویدیو کامل] How to Install Webots in Windows? [Complete Video]

  • کد را دریافت کنید! Get The Code!

  • چگونه Webbots را در ویندوز نصب کنیم؟ How to Install Webots in Windows?

  • چگونه Webbots را در لینوکس نصب کنیم؟ How to Install Webots in Linux?

  • Webbots خیلی کند است؟ Webots too slow?

  • کد Webbots: توضیح داده شده است Webots Code: Explained

  • [تمرین]: الگوریتم دنبال کردن خط شما! [Exercise]: Your Line Following Algorithm!

  • [پیشرفته] چگونه یک مقاله بخوانیم؟ [Advanced] How to Read a Paper?

  • [پیشرفته] کاغذ: SIFT [Advanced] Paper: SIFT

  • [پیشرفته] نمونه کاغذی را بخوانید [Advanced] Read Paper Example

فراگیری ماشین Machine Learning

  • یادگیری ماشینی چیست؟ What's Machine Learning?

  • آموزش، پیش بینی و ارزیابی Train, Predict & Evaluate

  • انواع یادگیری ماشینی Types of Machine Learning

  • ML برای اتومبیل های خودران ML for Self-Driving Cars

یادگیری ماشینی به صورت دستی Machine Learning Hands-On

  • یادگیری ماشینی دستی: مقدمه Machine Learning Hands-On: Introduction

  • مهندسی ویژگی Feature Engineering

  • HOG HOG

  • SVM SVM

  • معیارهای عملکرد Performance Metrics

  • مجموعه داده را دانلود کنید Download the Dataset

  • توضیح کد Code Explanation

  • [تمرین]: کد را تغییر دهید [Exercise]: Modify the code

  • مدل های مفید ML Useful ML Models

  • تعصب در مقابل واریانس Bias Vs Variance

  • [پیشرفته] مقاله: SVM [Advanced] Paper: SVM

جلوگیری از برخورد Collision Avoidance

  • جلوگیری از برخورد: مقدمه Collision Avoidance: Introduction

  • سنسورهای محدوده Ranging Sensors

  • دوربین ها Cameras

  • شبیه سازی Simulation

  • راه حل من My Solution

  • [تمرین]: راه حل شما [Exercise]: Your Solution

  • برنامه ریزی مسیر Path Planning

  • [پیشرفته] کد RRT [Advanced] RRT Code

یادگیری عمیق Deep Learning

  • یادگیری عمیق: مقدمه Deep Learning: Introduction

  • شبکه های عصبی چگونه کار می کنند؟ How do Neural Networks Work?

  • شبکه عصبی چگونه یاد می گیرد؟ How does a Neural Network Learn?

  • شبکه های عصبی کانولوشنال Convolutional Neural Networks

  • مثال کد Code Example

یادگیری عمیق: عملی Deep Learning: Hands-On

  • آموزش عمیق عملی: مقدمه Deep Learning Hands-On: Introduction

  • ایجاد مجموعه داده Creating a Dataset

  • آموزش Training

  • ببینید رانندگی کنید! See it drive!

  • [تمرین]: خودتان آن را آموزش دهید! [Exercise]: Train it yourself!

  • [پیشرفته] AlexNet [Advanced] AlexNet

تئوری کنترل Control Theory

  • چرا تئوری کنترل را یاد بگیریم Why Learn Control Theory

  • نقشه سیستم های کنترل Control Systems Map

  • ثبات - مقدمه Stability - Introduction

  • پایداری - در یادگیری ماشین وجود ندارد Stability - Missing in Machine Learning

  • کنترل حلقه باز و بسته Open and Closed Loop Control

  • کنترل حلقه بسته - کروز کنترل Closed Loop Control - Cruise Control

  • PID - مقدمه PID - Introduction

  • کنترلر PID - شیرجه عمیق PID Controller - Deep Dive

  • کنترلر PID - چگونه آن را تنظیم کنیم؟ PID Controller - How to Tune it?

  • کنترلر PID - چرا اینقدر استفاده می شود؟ PID Controller - Why is it use SO much?

  • [پیشرفته] مقاله: طراحی کنترلر PID [Advanced] Paper: PID Controller Design

نمایش نظرات

آموزش یادگیری ماشین و ماشین های خودران: بوت کمپ با پایتون
جزییات دوره
8 hours
80
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
7,283
4.9 از 5
دارد
دارد
دارد
Iu Ayala
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Iu Ayala Iu Ayala

دانشمند داده و مهندس رباتیک، مدیر عامل Gradient Insight