دوره یادگیری عمیق برای ناوبری رباتها همراه با فلشکارت آموزشی — ارائه روی فلش مموری
📚 کتاب آموزشی جامع
📚 اطلاعات کتاب
عنوان کتاب: کتاب یادگیری عمیق برای ناوبری رباتها
موضوع کلی: رباتیک احتمالی
موضوع میانی: مدلسازی و استنتاج در رباتیک
📋 سرفصلهای کتاب (100 موضوع)
- 1. مقدمهای بر ناوبری رباتها
- 2. مفاهیم اساسی رباتیک
- 3. حسگرهای رباتیک
- 4. موتورها و عملگرهای رباتیک
- 5. مدلسازی حرکت ربات
- 6. مدلهای حرکت خطی
- 7. مدلهای حرکت غیرخطی
- 8. مدلهای حرکت چرخدار
- 9. مدلهای حرکت آیرودینامیکی
- 10. مدلهای حرکت دریایی
- 11. مدلهای حرکت پروازی
- 12. مقدمهای بر آمار احتمالات
- 13. متغیرهای تصادفی
- 14. توزیعهای احتمال گسسته
- 15. توزیعهای احتمال پیوسته
- 16. قضیه بیز
- 17. استنتاج بیزی
- 18. فیلتر کالمن
- 19. فیلتر کالمن توسعهیافته (EKF)
- 20. فیلتر کالمن بدون بو (UKF)
- 21. فیلتر ذرات (Particle Filter)
- 22. معماری فیلتر ذرات
- 23. بهینهسازی فیلتر ذرات
- 24. مقدمهای بر یادگیری ماشین
- 25. یادگیری نظارت شده
- 26. یادگیری بدون نظارت
- 27. یادگیری تقویتی
- 28. شبکههای عصبی مصنوعی
- 29. شبکههای عصبی کانولوشنی (CNN)
- 30. شبکههای عصبی بازگشتی (RNN)
- 31. شبکههای حافظه بلند کوتاه (LSTM)
- 32. شبکههای حافظه کوتاه مدت (GRU)
- 33. شبکههای عصبی ترانسفورمر (Transformer)
- 34. یادگیری عمیق برای تخمین وضعیت (State Estimation)
- 35. یادگیری عمیق برای تخمین موقعیت (Localization)
- 36. یادگیری عمیق برای نقشهبرداری (Mapping)
- 37. یادگیری عمیق برای برنامهریزی مسیر (Path Planning)
- 38. یادگیری عمیق برای کنترل ناوبری (Navigation Control)
- 39. یادگیری عمیق برای شناخت محیط (Environment Perception)
- 40. یادگیری عمیق برای تشخیص موانع (Obstacle Detection)
- 41. یادگیری عمیق برای تشخیص اشیاء (Object Recognition)
- 42. یادگیری عمیق برای تقسیمبندی معنایی (Semantic Segmentation)
- 43. یادگیری عمیق برای تخمین عمق (Depth Estimation)
- 44. یادگیری عمیق برای تخمین جریان نوری (Optical Flow Estimation)
- 45. یادگیری عمیق برای مدلسازی دینامیکی محیط (Dynamic Environment Modeling)
- 46. یادگیری عمیق برای انعطافپذیری در ناوبری (Robust Navigation)
- 47. یادگیری عمیق برای ناوبری در محیطهای ناشناخته (Unknown Environments)
- 48. یادگیری عمیق برای ناوبری در محیطهای پویا (Dynamic Environments)
- 49. یادگیری عمیق برای ناوبری در فضاهای سهبعدی (3D Navigation)
- 50. یادگیری عمیق برای ناوبری رباتهای پرنده (Aerial Robotics Navigation)
- 51. یادگیری عمیق برای ناوبری رباتهای زمینی (Ground Robotics Navigation)
- 52. یادگیری عمیق برای ناوبری رباتهای دریایی (Marine Robotics Navigation)
- 53. یادگیری عمیق برای ناوبری رباتهای زیرآبی (Underwater Robotics Navigation)
- 54. یادگیری عمیق برای ناوبری رباتهای انساننما (Humanoid Robotics Navigation)
- 55. یادگیری عمیق برای ناوبری رباتهای همکار (Collaborative Robotics Navigation)
- 56. یادگیری عمیق برای ایمنی در ناوبری (Safety in Navigation)
- 57. یادگیری عمیق برای تفسیرپذیری در ناوبری (Interpretability in Navigation)
- 58. یادگیری عمیق برای تعمیمپذیری در ناوبری (Generalization in Navigation)
- 59. مقدمهای بر دادههای رباتیک
- 60. جمعآوری و پیشپردازش دادههای رباتیک
- 61. برچسبگذاری دادههای رباتیک
- 62. افزایش داده (Data Augmentation)
- 63. معماریهای یادگیری عمیق برای تخمین وضعیت
- 64. معماریهای یادگیری عمیق برای تخمین موقعیت
- 65. معماریهای یادگیری عمیق برای نقشهبرداری
- 66. معماریهای یادگیری عمیق برای برنامهریزی مسیر
- 67. معماریهای یادگیری عمیق برای کنترل ناوبری
- 68. مدلهای بیزین گرافیکی (Graphical Bayesian Models)
- 69. شبکههای بیزین (Bayesian Networks)
- 70. ماشینهای بولتزمن محدود (Restricted Boltzmann Machines)
- 71. خودرمزگذارها (Autoencoders)
- 72. خودرمزگذار متغیر (Variational Autoencoders - VAE)
- 73. شبکههای مولد تخاصمی (Generative Adversarial Networks - GAN)
- 74. یادگیری انتقالی (Transfer Learning)
- 75. یادگیری چندوظیفهای (Multi-task Learning)
- 76. یادگیری با دادههای کم (Few-shot Learning)
- 77. یادگیری تقویتی عمیق (Deep Reinforcement Learning - DRL)
- 78. یادگیری تقویتی بدون مدل (Model-free DRL)
- 79. یادگیری تقویتی مبتنی بر مدل (Model-based DRL)
- 80. الگوریتمهای DRL برای ناوبری
- 81. پیادهسازی DRL در محیطهای شبیهسازی شده
- 82. پیادهسازی DRL بر روی سختافزار ربات
- 83. ارزیابی عملکرد مدلهای یادگیری عمیق
- 84. معیارهای ارزیابی در ناوبری رباتها
- 85. چالشهای یادگیری عمیق در ناوبری رباتها
- 86. آینده یادگیری عمیق در ناوبری رباتها
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.