ساخت یک خودروی خودران با استفاده از استنتاجهای هوش مصنوعی و اینترنت اشیا
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- علاقهمندان به هوش مصنوعی و اینترنت اشیا که میخواهند سیستمهای خودران واقعی را با استفاده از پایتون و بینایی کامپیوتری بسازند.
- متخصصان و دانشجویان هوش مصنوعی که به دنبال تجربهی عملی در زمینه اینترنت اشیا، ادغام سنسورها و پیادهسازی هوش مصنوعی در زمان واقعی هستند.
- متخصصان فناوری که به بررسی تلاقی هوش مصنوعی، اینترنت اشیا و سیستمهای تعبیه شده برای راهحلهای حمل و نقل هوشمند میپردازند.
- مدرسان و معلمانی که به دنبال معرفی مفاهیم عملی خودروهای خودران در کلاسها یا کارگاهها هستند.
- رهبران سازمانهایی که میخواهند فناوریهای جدید را برای پیادهسازی در سازمان خود معرفی کنند.
پیش نیازهای دوره
- هیچ دانش و تجربهی قبلی در زمینهی هوش مصنوعی و کاربردهای اینترنت اشیا لازم نیست.
- فقط یک علاقه به یادگیری و یک درک اولیه از پایتون و هوش مصنوعی لازم است.
توضیحات دوره
- پیادهسازی تشخیص اشیاء بلادرنگ با استفاده از YOLO و OpenCV
- ادغام سنسورهای اینترنت اشیا (سنسورهای اولتراسونیک) برای ناوبری خودران
- ادغام مدلهای استنتاج زنده بر روی بورد Arduino
- طراحی سیستمهای کنترل برای فرمان، ترمز و اجتناب از موانع
- ساخت و تست یک خودروی خودران مینی با منطق کنترل بر اساس پایتون
خودروهای خودران نمایانگر یک تحول در حمل و نقل هستند که ناشی از همگرایی بینایی کامپیوتری، اینترنت اشیا و فناوریهای استنتاج بلادرنگ است. در قلب این نوآوری بینایی کامپیوتری قرار دارد که به خودروها اجازه میدهد تا با استفاده از دوربینها و مدلهای یادگیری عمیق، محیط پیرامون خود را "ببینند" و تفسیر کنند. از طریق تکنیکهایی مانند تشخیص اشیاء، ردیابی خطوط و بخشبندی معنایی، خودروها میتوانند عابرین، تابلوهای ترافیکی و سایر خودروها را با دقت شگفتانگیزی شناسایی کنند.
اینترنت اشیا (IoT) به این واقعیت افزوده میشود که شبکهای از سنسورها - سنسورهای اولتراسونیک (UV) و دوربین ESP32 و Arduino - وجود دارد که بهصورت مداوم داده را به سیستمهای درونسازنده خودرو ارسال میکنند. اینترنت اشیا نه تنها آگاهی از موقعیت را افزایش میدهد بلکه ارتباط بین خودرو به هر چیزی (V2X) را نیز ممکن میسازد، به خودروها اجازه میدهد تا با زیرساختها و دیگر خودروها برای حرکت هماهنگ تعامل کنند.
برای آموزشدهندگان و توسعهدهندگان، تسلط به این سیستمها، درها را به روی نوآوری در شهرهای هوشمند، رباتیک و اتوماسیون صنعتی باز میکند. این دوره به یادگیرندگان این امکان را میدهد که آینده را بهصورت عملی بررسی کنند و با ترکیب مباحث نظری و پروژههای عملی، سیستمهای خودران را به واقعیت تبدیل کنند.
این دوره برای چه کسانی مناسب است؟
- این دوره برای یادگیرندگان مشتاق به رباتیک، هوش مصنوعی، بینایی کامپیوتری و مهندسی عملی در زمینه تشخیص اشیاء طراحی شده است. این دوره برای معماران، مهندسان نرمافزار، دانشمندان داده، رهبران و متخصصانی که به دنبال کشف بینایی کامپیوتری، اینترنت اشیا و سیستمهای خودران از طریق پروژههای عملی هستند، مناسب است. اگر دانش اولیه از پایتون و الکترونیک دارید، خواهید آموخت که چگونه یک خودروی خودران مبتنی بر سنسورها با استفاده از OpenCV ،Arduino و استنتاج بلادرنگ بسازید. دانشجویان مهندسی میتوانند نظریه را در کاربردهای دنیای واقعی اعمال کنند، در حالی که سازندگان و مدرسان ابزارهایی برای نوآوری و آموزش به دست میآورند. چه در حال آماده شدن برای یک شغل در حمل و نقل هوشمند باشید یا به سادگی عاشق ماشینهای هوشمند شوید، این دوره دروازهای به آینده فناوری خودران ارائه میدهد.
ساخت یک خودروی خودران با استفاده از استنتاجهای هوش مصنوعی و اینترنت اشیا
-
مقدمه 02:29
-
نقشه راه دوره 07:15
-
نصب پایتون 06:48
-
نصب Anaconda 06:45
-
محیط مجازی Conda برای پروژهها 08:52
-
نصب OpenCV - پایتون - برای پردازش تصویر 06:56
-
نصب Tensorflow 09:22
-
نصب Pytorch 03:35
-
مقدمه 01:50
-
مبانی تصویر، پیکسلها، کانالهای رنگی 03:30
-
خواندن تصویر، مصورسازی، نوشتن و ()cv2.imshow 15:27
-
تغییر اندازه تصویر 11:35
-
Crop کردن تصویر 06:17
-
کشیدن دایرهها، مستطیلها و نوشتن متن بر روی تصاویر 12:38
-
مبانی ویدئو - مقدمه 04:29
-
بارگذاری ویدئو با استفاده از OpenCV 11:25
-
نمایش فریمهای ویدئو 09:07
-
کشیدن مربعها، خطوط و دایرهها بر روی فریمهای ویدئو 10:58
-
نوشتن متن بر روی فریمهای ویدئو 08:04
-
یادگیری عمیق و CNN - مقدمه 03:07
-
یادگیری عمیق در برابر یادگیری کلاسیک ماشین 06:51
-
کامپوننت های یادگیری عمیق - نظریه 18:11
-
شبکههای عصبی پیچشی (CNN) - نظریه 09:41
-
چگونه الگوریتمهای هوش مصنوعی یاد میگیرند؟ 06:52
-
تشخیص اشیاء - الگوریتمهای هوش مصنوعی - مقدمه 02:39
-
دانلود و نصب مدل YOLO 07:30
-
آمادهسازی مجموعه داده برای مدل 08:44
-
آمادهسازی مجموعه داده، حاشیهنویسی و فایلهای برچسبگذاری 08:55
-
آموزش مدل 07:14
-
مقدمهای بر دستگاههای اینترنت اشیا 02:18
-
دستگاههای اینترنت اشیا - کامپوننت ها 05:46
-
مونتاژ دستگاههای اینترنت اشیا 03:26
-
نصب محیط برنامهنویسی Arduino 01:07
-
برنامهنویسی پایتون برای کنترل خودرو از طریق سنسورهای UV (بورد Arduino) 06:28
-
نصب Anaconda و الگوریتمهای هوش مصنوعی (YOLO) 15:12
-
تست الگوریتمهای هوش مصنوعی و دستگاههای اینترنت اشیا 04:10
-
نتیجهگیری 03:37
مشخصات آموزش
ساخت یک خودروی خودران با استفاده از استنتاجهای هوش مصنوعی و اینترنت اشیا
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:37
- مدت زمان :04:33:31
- حجم :2.12GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy