کتاب صوتی یادگیری خودنظارتی در بازنمایی سه‌بعدی صحنه‌ها برای ادراک و کنترل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری خودنظارتی در بازنمایی سه‌بعدی صحنه‌ها برای ادراک و کنترل

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بازنمایی داده‌ها و یادگیری خودنظارتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری خودنظارتی در بازنمایی سه‌بعدی
• 2. مبانی بازنمایی سه‌بعدی صحنه
• 3. معرفی یادگیری خودنظارتی
• 4. چالش‌های بازنمایی سه‌بعدی
• 5. اهمیت داده‌های سه‌بعدی
• 6. روش‌های سنتی بازنمایی سه‌بعدی
• 7. محدودیت‌های روش‌های سنتی
• 8. مفهوم خودنظارتی در یادگیری ماشین
• 9. انواع یادگیری خودنظارتی
• 10. یادگیری خودنظارتی در پردازش تصویر
• 11. یادگیری خودنظارتی در پردازش متن
• 12. یادگیری خودنظارتی در بازنمایی سه‌بعدی
• 13. تفاوت یادگیری خودنظارتی با نظارت‌شده
• 14. تفاوت یادگیری خودنظارتی با بدون نظارت
• 15. کاربردهای یادگیری خودنظارتی
• 16. مزایای یادگیری خودنظارتی
• 17. معایب یادگیری خودنظارتی
• 18. معیارهای ارزیابی مدل‌های خودنظارتی
• 19. مجموعه داده‌های استاندارد در بازنمایی سه‌بعدی
• 20. نرم‌افزارهای مرتبط با بازنمایی سه‌بعدی
• 21. معماری‌های شبکه‌های عصبی عمیق
• 22. شبکه‌های کانولوشنی (CNN)
• 23. شبکه‌های بازگشتی (RNN)
• 24. شبکه‌های مولد تخاصمی (GAN)
• 25. ترانسفورمرها و کاربرد آنها
• 26. مبانی هندسه سه‌بعدی
• 27. فضای سه‌بعدی و مختصات
• 28. تبدیلات هندسی در فضای سه‌بعدی
• 29. ماتریس‌های تبدیل
• 30. کواترنیون‌ها
• 31. نور و سایه در بازنمایی سه‌بعدی
• 32. رندرینگ سه‌بعدی
• 33. فیزیک رندرینگ
• 34. بازتاب و شکست نور
• 35. شبیه‌سازی نور
• 36. مفهوم دیدگاه دوربین
• 37. مدل‌های دوربین
• 38. کالیبراسیون دوربین
• 39. بازسازی سه‌بعدی از تصاویر دوبعدی
• 40. مثلث‌بندی
• 41. مثلث‌بندی از دیدگاه بینایی ماشین
• 42. بازسازی سه‌بعدی با استفاده از استریو ویژن
• 43. چالش‌های بازسازی سه‌بعدی با استریو
• 44. بازسازی سه‌بعدی با استفاده از Lidar
• 45. بازسازی سه‌بعدی با استفاده از Depth Sensors
• 46. مفهوم Point Cloud
• 47. پردازش Point Cloud
• 48. فیلتر کردن Point Cloud
• 49. دسته‌بندی Point Cloud
• 50. قطعه‌بندی Point Cloud
• 51. بازنمایی سه‌بعدی صحنه به عنوان Mesh
• 52. رندرینگ Mesh
• 53. کاربردهای Mesh در بازی‌سازی
• 54. کاربردهای Mesh در مهندسی
• 55. کاربردهای Mesh در پزشکی
• 56. بازنمایی سه‌بعدی صحنه به عنوان Voxel
• 57. مزایای Voxel Grid
• 58. معایب Voxel Grid
• 59. تکنیک‌های فشرده‌سازی Voxel
• 60. یادگیری خودنظارتی برای استخراج ویژگی از تصاویر
• 61. یادگیری خودنظارتی برای پیش‌بینی عمق
• 62. یادگیری خودنظارتی برای پیش‌بینی نرمال سطح
• 63. یادگیری خودنظارتی برای پیش‌بینی فریم بعدی
• 64. یادگیری خودنظارتی برای پیش‌بینی حرکت
• 65. یادگیری خودنظارتی برای بازسازی هندسه
• 66. یادگیری خودنظارتی برای بازنمایی فضایی
• 67. یادگیری خودنظارتی برای یادگیری اتو-انکودرها
• 68. یادگیری خودنظارتی برای یادگیری ترانسفورمرها
• 69. یادگیری خودنظارتی برای یادگیری GAN
• 70. یادگیری خودنظارتی برای پیش‌بینی تداوم صحنه
• 71. یادگیری خودنظارتی برای پیش‌بینی تغییرات صحنه
• 72. یادگیری خودنظارتی برای درک روابط اشیاء
• 73. یادگیری خودنظارتی برای درک تعاملات اشیاء
• 74. یادگیری خودنظارتی برای یادگیری نمایش‌های فاکتوردار
• 75. یادگیری خودنظارتی برای یادگیری نمایش‌های انتزاعی
• 76. یادگیری خودنظارتی برای یادگیری نمایش‌های پایدار
• 77. یادگیری خودنظارتی برای یادگیری نمایش‌های قابل تعمیم
• 78. یادگیری خودنظارتی برای یادگیری نمایش‌های قابل تفسیر
• 79. یادگیری خودنظارتی برای یادگیری نمایش‌های پویا
• 80. یادگیری خودنظارتی برای یادگیری نمایش‌های تکرارشونده
• 81. یادگیری خودنظارتی برای یادگیری نمایش‌های مبتنی بر گراف
• 82. یادگیری خودنظارتی برای یادگیری نمایش‌های مبتنی بر شبکه‌های عصبی
• 83. کاربرد در رباتیک و کنترل
• 84. یادگیری خودنظارتی برای ناوبری ربات
• 85. یادگیری خودنظارتی برای دستکاری ربات
• 86. یادگیری خودنظارتی برای درک محیط ربات
• 87. یادگیری خودنظارتی برای کنترل ربات
• 88. یادگیری خودنظارتی برای تصمیم‌گیری ربات
• 89. یادگیری خودنظارتی برای یادگیری تقویتی
• 90. یادگیری خودنظارتی در ترکیب با یادگیری تقویتی
• 91. کاربرد در واقعیت افزوده و مجازی
• 92. یادگیری خودنظارتی برای ردیابی اشیاء در AR/VR
• 93. یادگیری خودنظارتی برای رندرینگ در AR/VR
• 94. یادگیری خودنظارتی برای تعامل در AR/VR
• 95. چالش‌های آینده در یادگیری خودنظارتی سه‌بعدی
• 96. مسیرهای تحقیقاتی آینده
• 97. توسعه مدل‌های کارآمدتر
• 98. توسعه مدل‌های قوی‌تر
• 99. توسعه مدل‌های مقیاس‌پذیرتر
• 100. توسعه مدل‌های قابل تفسیرتر