دوره ارزیابی عملکرد مدل‌های یادگیری نظارت شده در سناریوهای رانندگی واقعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ارزیابی عملکرد مدل‌های یادگیری نظارت شده در سناریوهای رانندگی واقعی

موضوع کلی: خودروهای خودران و حمل و نقل هوشمند

موضوع میانی: یادگیری نظارت شده (Supervised Learning)

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه ای بر یادگیری نظارت شده در رانندگی
• 2. فصل ۲: مفاهیم پایه ای ارزیابی مدل
• 3. فصل ۳: معیارهای ارزیابی سنتی
• 4. فصل ۴: معیارهای مخصوص کلاس (Precision, Recall)
• 5. فصل ۵: منحنی ROC و AUC
• 6. فصل ۶: منحنی Precision-Recall
• 7. فصل ۷: F1-Score و معیارهای ترکیبی
• 8. فصل ۸: Confusion Matrix و تفسیر آن
• 9. فصل ۹: معیارهای ارزیابی رگرسیون
• 10. فصل ۱۰: MSE, RMSE, MAE
• 11. فصل ۱۱: R-squared و Adjusted R-squared
• 12. فصل ۱۲: معیارهای ارزیابی مبتنی بر توزیع
• 13. فصل ۱۳: ارزیابی در حضور داده های نامتعادل
• 14. فصل ۱۴: تکنیک های نمونه برداری (Oversampling, Undersampling)
• 15. فصل ۱۵: تولد نمونه های مصنوعی (SMOTE)
• 16. فصل ۱۶: معیارهای ارزیابی برای تشخیص ناهنجاری
• 17. فصل ۱۷: معماری های شبکه عصبی برای رانندگی
• 18. فصل ۱۸: CNN ها در تشخیص اشیاء
• 19. فصل ۱۹: RNN ها و LSTM ها برای داده های متوالی
• 20. فصل ۲۰: معماری های End-to-End
• 21. فصل ۲۱: مدل های یادگیری تقویتی در رانندگی
• 22. فصل ۲۲: مفاهیم اولیه یادگیری تقویتی
• 23. فصل ۲۳: مدل های Actor-Critic
• 24. فصل ۲۴: PPO و DDPG
• 25. فصل ۲۵: ارزیابی عامل های یادگیری تقویتی
• 26. فصل ۲۶: معیارهای پاداش و جریمه
• 27. فصل ۲۷: پایداری و همگرایی در یادگیری تقویتی
• 28. فصل ۲۸: داده های واقعی رانندگی: چالش ها
• 29. فصل ۲۹: کیفیت داده و نویز
• 30. فصل ۳۰: تنوع سناریوها و محیط ها
• 31. فصل ۳۱: جمع آوری و برچسب گذاری داده ها
• 32. فصل ۳۲: مهندسی ویژگی برای داده های رانندگی
• 33. فصل ۳۳: استخراج ویژگی از تصاویر
• 34. فصل ۳۴: ویژگی های مبتنی بر سنسورهای دیگر (Lidar, Radar)
• 35. فصل ۳۵: ادغام داده های چندوجهی
• 36. فصل ۳۶: اعتبارسنجی متقابل (Cross-Validation)
• 37. فصل ۳۷: K-Fold Cross-Validation
• 38. فصل ۳۸: Stratified K-Fold
• 39. فصل ۳۹: Time Series Cross-Validation
• 40. فصل ۴۰: مشکلات اعتبار سنجی با داده های زمانی
• 41. فصل ۴۱: ارزیابی مدل های تشخیص اشیاء
• 42. فصل ۴۲: IoU (Intersection over Union)
• 43. فصل ۴۳: mAP (mean Average Precision)
• 44. فصل ۴۴: تشخیص اشیاء در شرایط نوری ضعیف
• 45. فصل ۴۵: تشخیص اشیاء در آب و هوای بد
• 46. فصل ۴۶: ارزیابی مدل های تقسیم بندی تصویر (Segmentation)
• 47. فصل ۴۷: Dice Coefficient
• 48. فصل ۴۸: IoU برای تقسیم بندی
• 49. فصل ۴۹: ارزیابی مدل های پیش بینی مسیر
• 50. فصل ۵۰: خطای مسیر (Path Error)
• 51. فصل ۵۱: خطای زمانی (Time Error)
• 52. فصل ۵۲: ارزیابی مدل های تشخیص فعالیت راننده
• 53. فصل ۵۳: تشخیص حواس پرتی راننده
• 54. فصل ۵۴: تشخیص خستگی راننده
• 55. فصل ۵۵: ارزیابی مدل های کنترل کننده خودرو
• 56. فصل ۵۶: پایداری کنترل
• 57. فصل ۵۷: زمان پاسخگویی
• 58. فصل ۵۸: معیارهای ایمنی و ریسک
• 59. فصل ۵۹: فاصله ایمنی
• 60. فصل ۶۰: پیش بینی احتمال تصادف
• 61. فصل ۶۱: ارزیابی مدل های تشخیص رفتار سایر خودروها
• 62. فصل ۶۲: پیش بینی تغییر خط
• 63. فصل ۶۳: پیش بینی ترمز ناگهانی
• 64. فصل ۶۴: ارزیابی مدل های تشخیص علائم راهنمایی و رانندگی
• 65. فصل ۶۵: دقت تشخیص و زمان تشخیص
• 66. فصل ۶۶: ارزیابی مدل های پیش بینی مسیر پیاده رو و دوچرخه سوار
• 67. فصل ۶۷: پیش بینی موانع متحرک
• 68. فصل ۶۸: ارزیابی مدل های تشخیص نقاط کور
• 69. فصل ۶۹: ارزیابی مدل های تشخیص عابر پیاده
• 70. فصل ۷۰: ارزیابی مدل های تشخیص دوچرخه سوار
• 71. فصل ۷۱: ارزیابی مدل های تشخیص موتورسیکلت سوار
• 72. فصل ۷۲: ارزیابی مدل های تشخیص حیوانات در جاده
• 73. فصل ۷۳: ارزیابی مدل های تشخیص نقص های جاده ای
• 74. فصل ۷۴: تشخیص چاله ها
• 75. فصل ۷۵: تشخیص ترک ها
• 76. فصل ۷۶: ارزیابی مدل های تشخیص علائم هشدار دهنده
• 77. فصل ۷۷: ارزیابی مدل های تشخیص ترافیک
• 78. فصل ۷۸: ارزیابی مدل های پیش بینی ترافیک
• 79. فصل ۷۹: ارزیابی مدل های تشخیص شرایط اضطراری
• 80. فصل ۸۰: ارزیابی مدل های تشخیص آتش سوزی
• 81. فصل ۸۱: ارزیابی مدل های تشخیص دود
• 82. فصل ۸۲: ارزیابی مدل های تشخیص انسداد جاده
• 83. فصل ۸۳: ارزیابی مدل های تشخیص موانع ثابت
• 84. فصل ۸۴: ارزیابی مدل های تشخیص خودروهای پارک شده
• 85. فصل ۸۵: ارزیابی مدل های تشخیص خودروهای از کار افتاده
• 86. فصل ۸۶: ارزیابی مدل های تشخیص خط کشی جاده
• 87. فصل ۸۷: ارزیابی مدل های تشخیص لبه جاده
• 88. فصل ۸۸: ارزیابی مدل های تشخیص مسیر حرکت
• 89. فصل ۸۹: ارزیابی مدل های پیش بینی تغییر مسیر
• 90. فصل ۹۰: ارزیابی مدل های پیش بینی سرعت
• 91. فصل ۹۱: ارزیابی مدل های پیش بینی شتاب
• 92. فصل ۹۲: ارزیابی مدل های پیش بینی جهت حرکت
• 93. فصل ۹۳: ارزیابی مدل های تشخیص احساسات راننده
• 94. فصل ۹۴: ارزیابی مدل های تشخیص حالات چهره راننده
• 95. فصل ۹۵: ارزیابی مدل های تشخیص حرکات بدن راننده
• 96. فصل ۹۶: ارزیابی مدل های تشخیص صداهای محیطی
• 97. فصل ۹۷: ارزیابی مدل های تشخیص صدای بوق
• 98. فصل ۹۸: ارزیابی مدل های تشخیص صدای آژیر
• 99. فصل ۹۹: ارزیابی مدل های تشخیص صدای سوت
• 100. فصل ۱۰۰: جمع بندی و راهکارهای بهبود ارزیابی