فلش‌کارت‌های آموزشی مراحل توسعه و اعتبارسنجی نرم‌افزارهای خودروهای خودران در پیست

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مراحل توسعه و اعتبارسنجی نرم‌افزارهای خودروهای خودران در پیست

موضوع کلی: خودروهای خودران و حمل و نقل هوشمند

موضوع میانی: تست در پیست

📋 سرفصل‌های دوره

• 1. مبانی سیستم‌های خودروهای خودران
• 2. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 3. ریاضیات پایه برای خودروهای خودران
• 4. مبانی برنامه‌نویسی پایتون برای هوش مصنوعی
• 5. ساختار و معماری نرم‌افزارهای خودرویی
• 6. مفاهیم اولیه پردازش سیگنال
• 7. حسگرهای مورد استفاده در خودروهای خودران
• 8. دوربین‌ها و پردازش تصویر
• 9. لیدار و رادار در خودروهای خودران
• 10. واحد پردازش مرکزی (CPU) و واحد پردازش گرافیکی (GPU)
• 11. سیستم عامل‌های بلادرنگ (RTOS) در خودرو
• 12. مبانی شبکه‌های عصبی کانولوشنی (CNN)
• 13. شبکه‌های عصبی بازگشتی (RNN)
• 14. یادگیری عمیق برای تشخیص اشیاء
• 15. شناسایی و طبقه‌بندی علائم راهنمایی
• 16. تشخیص خطوط جاده
• 17. تخمین عمق از تصاویر استریو
• 18. مبانی سیستم موقعیت‌یاب جهانی (GPS)
• 19. واحد اندازه‌گیری اینرسی (IMU)
• 20. تلفیق حسگرها (Sensor Fusion)
• 21. فیلتر کالمن برای تخمین موقعیت
• 22. فیلتر ذرات برای تخمین موقعیت
• 23. مبانی نقشه‌برداری با دقت بالا (HD Maps)
• 24. نرم‌افزارهای توسعه نقشه‌های HD
• 25. تولید و به‌روزرسانی نقشه‌های HD
• 26. سیستم برنامه‌ریزی مسیر (Path Planning)
• 27. الگوریتم‌های جستجوی گراف برای مسیر
• 28. الگوریتم A* برای یافتن مسیر
• 29. برنامه‌ریزی مسیر در محیط‌های پویا
• 30. سیستم کنترل فرمان (Steering Control)
• 31. کنترل‌کننده PID برای فرمان
• 32. مدل‌سازی دینامیک خودرو
• 33. سیستم کنترل سرعت (Speed Control)
• 34. کنترل‌کننده تطبیقی برای سرعت
• 35. سیستم ترمز اضطراری خودکار (AEB)
• 36. مبانی سیستم تشخیص نقاط کور (BSD)
• 37. سیستم حفظ حرکت بین خطوط (LKA)
• 38. مبانی سیستم کروز کنترل تطبیقی (ACC)
• 39. تشخیص موانع متحرک
• 40. پیش‌بینی مسیر سایر وسایل نقلیه
• 41. شبیه‌سازی محیط رانندگی
• 42. ابزارهای شبیه‌سازی خودروهای خودران
• 43. توسعه سناریوهای شبیه‌سازی
• 44. اعتبارسنجی مدل‌های شبیه‌سازی
• 45. تست و اعتبارسنجی نرم‌افزار در محیط شبیه‌سازی
• 46. مهندسی قابلیت اطمینان نرم‌افزار
• 47. تحلیل حالات خرابی و اثرات آن (FMEA)
• 48. مبانی ایمنی عملکردی (Functional Safety)
• 49. استاندارد ISO 26262
• 50. مدیریت ریسک در خودروهای خودران
• 51. ارزیابی ریسک‌های ایمنی
• 52. مستندسازی فرآیند توسعه
• 53. مدیریت پیکربندی نرم‌افزار
• 54. ابزارهای مدیریت پیکربندی
• 55. تست واحد (Unit Testing)
• 56. تست یکپارچه‌سازی (Integration Testing)
• 57. تست سیستم (System Testing)
• 58. تست پذیرش (Acceptance Testing)
• 59. تست رگرسیون (Regression Testing)
• 60. تست عملکرد در شرایط مرزی
• 61. تست در شرایط آب و هوایی مختلف
• 62. تست در شب و نور کم
• 63. تست در شرایط ترافیکی سنگین
• 64. تست در پیست مسابقه
• 65. برنامه‌ریزی تست‌های پیست
• 66. اجرای تست‌های پیست
• 67. تحلیل نتایج تست‌های پیست
• 68. مدیریت داده‌های تست
• 69. پاکسازی و پیش‌پردازش داده‌های تست
• 70. برچسب‌گذاری داده‌ها برای یادگیری ماشین
• 71. فریم‌ورک‌های توسعه یادگیری عمیق
• 72. TensorFlow و Keras
• 73. PyTorch
• 74. ابزارهای تجزیه و تحلیل داده
• 75. تجسم داده‌ها
• 76. تشخیص و رفع اشکال (Debugging)
• 77. ابزارهای اشکال‌زدایی در سیستم‌های خودرویی
• 78. پروتکل‌های ارتباطی خودرویی (CAN, Ethernet)
• 79. امنیت سایبری در خودروهای خودران
• 80. رمزنگاری و احراز هویت
• 81. حفاظت از سیستم‌های کنترل
• 82. مدیریت به‌روزرسانی نرم‌افزار (OTA Updates)
• 83. قوانین و مقررات مربوط به خودروهای خودران
• 84. استانداردهای اخلاقی در هوش مصنوعی
• 85. مسئولیت‌پذیری در خودروهای خودران
• 86. چالش‌های پیاده‌سازی در دنیای واقعی
• 87. آینده خودروهای خودران و نوآوری‌ها
• 88. مبانی رباتیک و کنترل ربات
• 89. کاربرد رباتیک در صنعت خودرو
• 90. تحلیل داده‌های بزرگ (Big Data) در خودرو
• 91. یادگیری تقویتی برای کنترل
• 92. یادگیری عمیق برای ادراک محیط
• 93. سیستم‌های ادراک محیطی پیشرفته
• 94. تکنیک‌های یادگیری چندوظیفه‌ای
• 95. مبانی پردازش ابری در خودروهای خودران
• 96. معماری‌های توزیع‌شده برای خودران‌ها
• 97. بهینه‌سازی مصرف انرژی در سیستم‌های خودران
• 98. مدیریت حافظه و منابع در سیستم‌های تعبیه‌شده
• 99. مقدمه‌ای بر بلاک‌چین و کاربردهای آن در خودرو
• 100. روش‌های ارزیابی عملکرد سیستم‌های خودران