خودروهای خودران: یادگیری عمیق و بینایی رایانه ای در Python

آنچه یاد خواهید گرفت:

• شناسایی خودکار علائم خطوط مسیر در تصاویر
• شناسایی خودروها و عابران پیاده با استفاده از classifier آموزش‌دیده و SVM
• دسته‌بندی تابلوهای راهنمایی با شبکه‌های عصبی کانولوشنی
• شناسایی وسایل نقلیه دیگر در تصاویر با تطبیق قالب (template matching)
• ساخت شبکه‌های عصبی عمیق با Tensorflow و Keras
• تحلیل و مصورسازی داده‌ها با Numpy ،Pandas ،Matplotlib و Seaborn
• پردازش داده‌های تصویری با OpenCV
• کالیبره کردن دوربین‌ها در Python و اصلاح دیستورشن
• Sharpen کردن و تار کردن تصاویر با کانولوشن
• شناسایی لبه‌ها در تصاویر با Sobel ،Laplace و Canny
• تبدیل تصاویر از طریق انتقال، چرخش، تغییر اندازه و تبدیل پرسپکتیو
• استخراج ویژگی‌های تصویری با HOG
• شناسایی گوشه‌های اشیاء با روش Harris
• دسته‌بندی داده‌ها با تکنیک‌های یادگیری ماشین شامل رگرسیون، درخت تصمیم گیری، Naive Bayes و SVM
• دسته‌بندی داده‌ها با شبکه‌های عصبی مصنوعی و یادگیری عمیق

پیش‌نیازهای دوره

• کامپیوتر با سیستم‌عامل ویندوز، مک یا لینوکس با حداقل 3GB فضای آزاد دیسک
• تجربه‌ی قبلی در برنامه‌نویسی

توضیحات دوره

خودروهای خودران: بینایی رایانه ای و یادگیری عمیق

صنعت خودرو در حال گذار از خودروهای سنتی با راننده انسانی به سمت خودروهای خودران مجهز به هوش مصنوعی است. خودروهای خودران راهکاری ایمن، کارآمد و مقرون به صرفه ارائه می‌دهند که آینده‌ی جابه‌جایی انسان‌ها را دگرگون خواهد کرد. انتظار می‌رود خودروهای خودران بیش از نیم میلیون زندگی را نجات دهند و تا سال 2035 فرصتی اقتصادی بیش از 1 تریلیون دلار ایجاد کنند. صنعت خودرو به دنبال ساخت پیشرفته‌ترین خودروهای فناوری‌محور در جاده‌ها است.

با پیشرفت جهان به سمت آینده‌ای بدون راننده، نیاز به مهندسان و پژوهشگران با تجربه در این حوزه‌ی نوظهور هرگز به این اندازه حیاتی نبوده است.

هدف این دوره، آشنایی دانشجویان با جنبه‌های کلیدی طراحی و توسعه خودروهای خودران است. این دوره دانشجویان را با مفاهیم عملی مختلف خودروهای خودران مانند یادگیری ماشین و بینایی رایانه ای آشنا می‌کند. مفاهیمی مانند شناسایی خطوط مسیر، دسته‌بندی تابلوهای راهنمایی، شناسایی وسایل نقلیه/اشیاء، هوش مصنوعی و یادگیری عمیق معرفی خواهد شد. این دوره برای دانشجویانی تهیه شده که قصد دارند درک پایه‌ای از کنترل خودروهای خودران به دست آورند.

دانش اولیه برنامه‌نویسی توصیه می‌شود اما مباحث ابتدایی در جلسات اول دوره به طور جامع پوشش داده می‌شوند. بنابراین این دوره پیش‌نیازی ندارد و برای هر دانشجویی با دانش پایه برنامه‌نویسی باز است. دانشجویانی که در این دوره شرکت کنند، مهارت‌های فناوری خودروهای بدون راننده که آینده حمل‌ونقل را متحول می‌کنند، خواهند آموخت.

ابزارها و الگوریتم‌هایی که پوشش داده می‌شوند شامل:

• OpenCV
• یادگیری عمیق و شبکه‌های عصبی مصنوعی
• شبکه‌های عصبی کانولوشنی (CNN)
• تطبیق قالب (template matching)
• استخراج ویژگی HOG
• SIFT ،SURF ،FAST و ORB
• Tensorflow و Keras
• رگرسیون خطی و رگرسیون لجستیک
• درخت تصمیم گیری
• ماشین بردار پشتیبان (SVM)
• Naive Bayes

این دوره برای چه کسانی مناسب است؟

• مهندسان نرم‌افزاری که علاقه‌مند به یادگیری الگوریتم‌های پشت خودروهای خودران هستند.