سپنتا کتاب اکسپرس
کتاب مفاهیم کلیدی یادگیری نظارت شده در توسعه خودروهای خودران

کتاب مفاهیم کلیدی یادگیری نظارت شده در توسعه خودروهای خودران

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مفاهیم کلیدی یادگیری نظارت شده در توسعه خودروهای خودران

موضوع کلی: خودروهای خودران و حمل و نقل هوشمند

موضوع میانی: یادگیری نظارت شده (Supervised Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری نظارت شده
  • 2. تعریف داده های برچسب دار
  • 3. اهمیت داده های تمیز
  • 4. فرایند جمع آوری داده
  • 5. انواع ویژگی ها در یادگیری نظارت شده
  • 6. مهندسی ویژگی برای داده های خودرویی
  • 7. تحلیل اکتشافی داده ها
  • 8. تصویرسازی داده های خودرویی
  • 9. مفهوم تابع هزینه
  • 10. بهینه سازی تابع هزینه
  • 11. گرادیان نزولی
  • 12. آموزش مدل های خطی
  • 13. رگرسیون خطی
  • 14. محدودیت های رگرسیون خطی
  • 15. رگرسیون لجستیک
  • 16. مفهوم طبقه‌بندی
  • 17. متریک های ارزیابی طبقه‌بندی
  • 18. دقت و بازیابی
  • 19. امتیاز F1
  • 20. منحنی ROC و AUC
  • 21. ماشین بردار پشتیبان (SVM)
  • 22. هسته ها در SVM
  • 23. شبکه های عصبی مصنوعی
  • 24. شبکه های عصبی کانولوشنال (CNN)
  • 25. کاربرد CNN در پردازش تصویر خودرو
  • 26. لایه های CNN
  • 27. لایه‌های pooling
  • 28. لایه‌های تمام اتصال
  • 29. آموزش شبکه های عصبی
  • 30. پس انتشار خطا
  • 31. تنظیم نرخ یادگیری
  • 32. توقف زودهنگام
  • 33. منظم سازی (Regularization)
  • 34. L1 و L2 regularization
  • 35. Drop out
  • 36. افزایش داده (Data Augmentation)
  • 37. تکنیک های افزایش داده برای تصاویر خودرو
  • 38. یادگیری انتقالی (Transfer Learning)
  • 39. مزایای یادگیری انتقالی
  • 40. مدل های از پیش آموزش دیده
  • 41. تنظیم دقیق (Fine-tuning)
  • 42. استفاده از مدل های از پیش آموزش دیده برای تشخیص اشیاء
  • 43. تشخیص اشیاء در تصاویر خودرو
  • 44. معماری های تشخیص اشیاء (YOLO, SSD)
  • 45. آبجکت دیتکشن در زمان واقعی
  • 46. تشخیص و ردیابی عابر پیاده
  • 47. تشخیص علائم راهنمایی و رانندگی
  • 48. تشخیص خطوط جاده
  • 49. شناسایی موانع
  • 50. پیش بینی مسیر حرکت خودرو
  • 51. تحلیل داده های LiDAR
  • 52. پردازش ابر نقاط
  • 53. شناسایی اشیاء با LiDAR
  • 54. تشخیص اشیاء در شرایط نوری ضعیف
  • 55. فیلتر کردن نویز در داده ها
  • 56. آموزش مدل با داده های مختلط (تصویر و LiDAR)
  • 57. همگرایی مدل ها
  • 58. تنوع داده ها و جلوگیری از بیش برازش (Overfitting)
  • 59. عیب یابی مدل های یادگیری نظارت شده
  • 60. تحلیل خطاها
  • 61. بهبود عملکرد مدل
  • 62. انتخاب بهترین مدل
  • 63. مدل های ensemble
  • 64. ترکیب مدل ها
  • 65. حفظ حریم خصوصی در داده ها
  • 66. استانداردهای امنیتی داده ها
  • 67. کاربرد یادگیری نظارت شده در سیستم های ADAS
  • 68. تطبیق پذیری سیستم های خودران
  • 69. مدل سازی رفتار راننده
  • 70. شناسایی الگوی رفتاری
  • 71. یادگیری تقویتی در مقابل نظارت شده
  • 72. همکاری یادگیری نظارت شده و تقویتی
  • 73. مدل سازی پیش بینی کننده
  • 74. پیش بینی وضعیت ترافیک
  • 75. سیستم های تشخیص خواب آلودگی راننده
  • 76. تشخیص حواس پرتی راننده
  • 77. سیستم های هشدار برخورد
  • 78. سیستم های پارک خودکار
  • 79. نظارت بر سلامت خودرو
  • 80. تشخیص نقص های نرم افزاری
  • 81. مدل سازی برای تصمیم گیری در شرایط بحرانی
  • 82. شبیه سازی محیط های رانندگی
  • 83. تست و ارزیابی مدل ها در شبیه ساز
  • 84. تفسیرپذیری مدل های یادگیری نظارت شده
  • 85. تشریح تصمیمات مدل
  • 86. شفافیت در سیستم های خودران
  • 87. اخلاق در هوش مصنوعی خودرویی
  • 88. مسئولیت پذیری در تصادفات
  • 89. چالش های داده های نامتوازن
  • 90. تکنیک های مقابله با عدم توازن داده
  • 91. یادگیری از داده های اندک
  • 92. یادگیری خودنظارت شده (Self-supervised learning)
  • 93. کاربرد یادگیری خودنظارت شده در خودروهای خودران
  • 94. یادگیری تقویتی عمیق
  • 95. ترکیب یادگیری نظارت شده و عمیق
  • 96. پایپ لاین توسعه مدل های خودرویی
  • 97. ابزارها و فریمورک ها (TensorFlow, PyTorch)
  • 98. مدیریت چرخه عمر مدل
  • 99. استقرار مدل ها در خودرو
  • 100. مانیتورینگ عملکرد مدل در عمل

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.