جستجو در تمام متون و مستندات کارگیک
carworks
samin ba
دنیای خودرو
فن خودرو
CarGeek | کارگیک

خودروهای خودگردان جهان را با تکنیک‌هایی همچون رادار، لیدار، جی‌پی‌اس، و بینایی رایانه‌ای احساس می‌کنند. سامانه‌های کنترل پیشرفته اطّلاعات به دست آمده را تفسیر می‌کنند و با استفاده از آن‌ها مسیرهای ناوبری مناسب، موانع، و علامت‌های مربوطه را شناسایی می‌کنند. وسایل نقلیّهٔ خودکار معمولاً می‌توانند نقشه‌های خود را با استفاده از ورودی حسّی خود به‌روزرسانی کنند؛ از این رو این وسایل می‌توانند حتی در محیط‌های کاملاً ناشناس نیز به خوبی حرکت کنند.

6_levels_of_automated_driving

A self-driving car, also known as a robot car, autonomous car, or driverless car, is a vehicle that is capable of sensing its environment and moving with little or no human input.

Autonomous cars combine a variety of sensors to perceive their surroundings, such as radar, Lidar, sonar, GPS, odometry and inertial measurement units. Advanced control systems interpret sensory information to identify appropriate navigation paths, as well as obstacles and relevant signage.

Potential benefits include reduced costs, increased safety, increased mobility, increased customer satisfaction and reduced crime. Safety benefits include a reduction in traffic collisions, resulting in injuries and related costs, including for insurance. Automated cars are predicted to increase traffic flow; provide enhanced mobility for children, the elderly, disabled, and the poor; relieve travelers from driving and navigation chores; increase fuel efficiency of vehicle; significantly reduce needs for parking space; reduce crime; and facilitate business models for transportation as a service, especially via the sharing economy.

Problems include safety, technology, liability, legal framework and government regulations; risk of loss of privacy and security concerns, such as hackers or terrorism; concern about the resulting loss of driving-related jobs in the road transport industry; and risk of increased suburbanization as travel becomes more convenient.

SAE_Levels_of_autonomy Levels_of_autonomy_car

Self-Driving Car Course - Applied Deep Learning


Learn to use Deep Learning, Computer Vision and Machine Learning techniques to Build an Autonomous Car with Python

You'll go from beginner to Deep Learning expert and your instructor will complete each task with you step by step on screen.

By the end of the course, you will have built a fully functional self-driving car fuelled entirely by Deep Learning. This powerful simulation will impress even the most senior developers and ensure you have hands on skills in neural networks that you can bring to any project or company.

This course will show you how to:

- Use Computer Vision techniques via OpenCV to identify lane lines for a self-driving car.
- Learn to train a Perceptron-based Neural Network to classify between binary classes.
- Learn to train Convolutional Neural Networks to identify between various traffic signs.
- Train Deep Neural Networks to fit complex datasets.
- Master Keras, a power Neural Network library written in Python.
- Build and train a fully functional self driving car to drive on its own!

No experience required. This course is designed to take students with no programming/mathematics experience to accomplished Deep Learning developers.

ویدیو معرفی دوره آموزشی یادگیری عمیق ، شبکه های عصبی و پردازش تصویر برای خودروهای خودران

کل زمان دوره آموزشی : 18:04:51
زبان تدریس : انگلیسی


دانلود کامل دوره آموزش یادگیری عمیق ، شبکه های عصبی و پردازش تصویر برای خودروهای خودران در قالب فایل ZIP (حجم 9.4 گیگابایت )


برای مشاهده/دانلود هر درس روی عنوان آن کلیک کنید.

Introduction --- 02:25

Why This Course? --- 02:25

Installation --- 09:15

Overview --- 00:24
Anaconda Distribution - Mac --- 02:41
Anaconda Distribution - Windows --- 02:54
Text Editor --- 02:47
Outro --- 00:29

Python Crash Course (Optional) --- 02:10:04

Python Crash Course Part 1 - Data Types --- 01:05
Jupyter Notebooks --- 05:49
Arithmetic Operations --- 04:23
Variables --- 05:05
Numeric Data Types --- 04:09
String Data Types --- 05:45
Booleans --- 04:27
Methods --- 03:04
Lists --- 05:31
Slicing --- 08:16
Membership Operators --- 02:50
Mutability --- 04:08
Mutability II --- 04:45
Common Functions & Methods --- 07:32
Tuples --- 03:32
Sets --- 02:58
Dictionaries --- 05:19
Compound Data Structures --- 02:49
Part 1 - Outro --- 00:14
Part 2 - Control Flow --- 00:47
If, else --- 04:47
elif --- 06:53
Complex Comparisons --- 05:11
For Loops --- 07:17
For Loops II --- 03:07
While Loops --- 03:07
Break --- 03:23
Part 2 - Outro --- 00:17
Part 3 - Functions --- 00:51
Functions --- 05:35
Scope --- 01:45
Doc Strings --- 02:45
Lambda & Higher Order Functions --- 06:07
Part 3 - Outro --- 00:41

NumPy Crash Course (Optional) --- 01:05:48

Overview --- 00:48
Vector Addition - Arrays vs Lists --- 12:03
Multidimensional Arrays --- 11:46
One Dimensional Slicing --- 03:33
Reshaping --- 03:34
Multidimensional Slicing --- 07:20
Manipulating Array Shapes --- 08:17
Matrix Multiplication --- 04:19
Stacking --- 14:00
Part 4 - Outro --- 00:08

Computer Vision: Finding Lane Lines --- 01:22:15

Overview --- 00:35
Image needed for the next lesson --- 00:02
Loading Image --- 05:00
2.1 test_image.jpg.jpg
Grayscale Conversion --- 04:31
Smoothening Image --- 03:04
Canny Edge Detection --- 04:21
Region of Interest --- 07:41
Binary Numbers & Bitwise_and --- 09:44
Line Detection - Hough Transform --- 10:54
Hough Transform II --- 13:25
Optimizing --- 14:45
Resource for upcoming video --- 00:04
11.1 test2.mp4.zip.zip
Finding Lanes on Video --- 06:20
12.1 test2.mp4.mp4
Source Code --- 01:14
Part 5 - Conclusion --- 00:34

The Perceptron --- 01:31:20

Overview --- 01:44
Machine Learning --- 02:51
Supervised Learning - Friendly Example --- 04:25
Classification --- 07:48
Linear Model --- 06:52
Perceptrons --- 04:08
Weights --- 02:03
Project - Initial Stages --- 10:57
8.1 Initial Stages.ipynb.zip.zip
Sample Code for Initial Stages --- 00:10
9.1 Initial Stages.ipynb.zip.zip
Error Function --- 03:36
Sigmoid --- 05:56
Sigmoid Implementation (Code) --- 11:46
Source code --- 00:17
Cross Entropy --- 05:38
Cross Entropy (Code) --- 07:41
Source Code --- 00:21
Gradient Descent --- 03:14
Gradient Descent (Code) --- 08:45
Recap --- 01:54
Source Code --- 00:33
Part 6 - Conclusion --- 00:39

Keras --- 44:24

Overview --- 00:30
Intro to Keras --- 02:04
Starter Code --- 00:11
Keras Models --- 21:08
Keras - Predictions --- 19:25
Source Code --- 00:45
Part 7 - Outro --- 00:21

Deep Neural Networks --- 59:13

Overview --- 00:52
Non-Linear Boundaries --- 05:05
Architecture --- 09:00
Feedforward Process --- 07:46
Error Function --- 04:10
Backpropagation --- 05:12
Code Implementation --- 26:02
Source Code --- 00:43
Section 8 - Conclusion --- 00:23

Multiclass Classification --- 52:52

Overview --- 00:35
Softmax --- 11:50
Cross Entropy --- 08:16
Implementation --- 30:55
Source Code --- 00:58
Section 9 - Outro --- 00:18

MNIST Image Recognition --- 01:34:17

Overview --- 00:48
MNIST Dataset --- 05:25
Train & Test --- 13:28
Hyperparameters --- 07:04
Implementation Part 1 --- 33:45
Implementation Part 2 --- 20:13
Resource for upcoming video --- 00:02
Implementation Part 3 --- 11:49
Final Source Code --- 01:19
Section 10 - Outro --- 00:24

Convolutional Neural Networks --- 01:56:10

Overview --- 00:45
Convolutions & MNIST --- 06:44
Convolutional Layer --- 18:11
Convolutions II --- 08:07
Pooling --- 14:11
Fully Connected Layer --- 06:23
Starter Code --- 02:18
Code Implementation I --- 31:02
Code Implementation II --- 26:22
Final Source Code --- 01:49
Section 11 - Conclusion --- 00:17

Classifying Road Symbols --- 01:53:03

Overview --- 01:00
Traffic Signs Starter Code --- 00:32
Preprocessing Images --- 42:58
3.1 Traffic Signs Starter Project.ipynb.zip.zip
leNet Implementation --- 20:12
Fine-tuning Model --- 14:27
Resources Needed for Testing --- 00:28
Testing --- 06:14
Fit Generator --- 23:50
Final Source Code --- 02:39
Section 12 - Outro --- 00:43

Polynomial Regression --- 16:31

Overview --- 00:30
Implementation --- 15:22
Final Source Code --- 00:17
Section 13 - Conclusion --- 00:22

Behavioural Cloning --- 03:31:02

Overview --- 03:11
Collecting Data --- 17:46
Downloading Data --- 17:52
Balancing Data --- 11:31
Training & Validation Split --- 11:27
Preprocessing Images --- 18:04
Defining Nvidia Model --- 27:10
Drive.py code --- 01:00
Flask & Socket.io --- 17:33
Self Driving Car - Test 1 --- 16:30
Generator - Augmentation Techniques --- 34:29
Batch Generator --- 10:58
Fit Generator --- 19:20
Final Source Code --- 03:15
Outro --- 00:55

 


4 1 1 1 1 1 Votes 4.00 (1022 votes)

نوشتن دیدگاه


براساس کلمه کلیدی جستجو کنید

مطالب فنی و آموزشی

آخرین مطالب جدید شده
فیلم و دفترچه راهنمای آموزشی مشتری رانا
فیلم و دفترچه راهنمای آموزشی مشتری دنا پلاس
فیلم و دفترچه راهنمای آموزشی مشتری H30 Cross
دفترچه راهنمای رسمی کلیه محصولات ایران خودرو
راهنمای استفاده از پایه های رله در برق خودرو
نکات و ترفندهای رله در برق و الکترونیک خودرو
آموزش کامل تعمیرات سیستم تعلیق پراید + لیست عیب یابی تعلیق و جلوبندی
دستورالعمل رفع ایراد عدم انطباق کانکتور کیلومتر شمار تیبا2 و روشن شدن چراغ EBD بجای ABS
دستورالعمل رفع ایراد نفوذ آب به داخل CCN سمند مالتی پلکس
راهنمای کنترل و اصلاح پیکربندی سمند مالتی پلکس SMS
معرفی نودهای سیستم مالتی پلکس SMS سمند و سورن
راهنمای پیکربندی نوع ECU در خودرو Dena SMS MUX Bosch ME17
اصول عملکرد سیستم کروزکنترل ایران خودرو
راهنمای عیب یابی گیربکس اتوماتیک سوزوکی گرندویتارا با تست استال
راهنمای تعمیرات ECU زیمنس ریو
راهنمای تعریف کلید خودرو H30 Cross
بررسی سیستم های VVT و VIS در خودرو
منیفولد هوای ورودی متغییر
راهنمای تعمیرات گیربکس دوکلاچه اتوماتیک جک S5
Cisco Released New Open Source Security Tool to Find Security Vulnerabilities in Modern Cars
Vulnerability in Tesla Model S Let Hackers Clone The Car Key
ليست سرويس هاي دوره ای خودروهای تحت پوشش سایپا
راهنمای تعمیرات و سرویس تجهیزات الکتریکی پژو RD
روش رفع ایراد عدم عملکرد برف پاک کن در سیستم هوشمند CEC پژو پارس
معرفی سیستم ترمز ABS با مدل Bosch ABS8 و مدل TEVES MK70 پراید
معرفی قطعات EMS جدید SSAT سازه پویش سایپا X100 (پراید)
دستورالعمل شستشوی ریل سوخت وانت نیسان دوگانه سوز
اطلاعیه جابجایی سوکت های انژکتور در دسته سیم انژکتور جهت رفع ایراد MisFiring
مشکلات متداول کولر خودرو و دلایل آن ها
راهنمای تعمیرات سیستم خنک کاری موتور لیفان 820
راهنمای تعمیرات سیستم روغنکاری لیفان 820
راهنمای تعمیرات مکانیکی موتور لیفان 820
آخرین مطالب جدید شده
fn bb 0
rahro

آخرین آگهی ها

آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
ریمپ تخصصی - برنامه ریزی و تعمیرات ایسیو - اصلاح محدودیت سرع ...
دوره های آموزشی تخصصی خودرو و دیاگ جی اسکن ...
تعمیرموتور وانواع گیربکس های کره ای،ژاپنی ،چینی و اروپایی ...
آموزش تخصصی تعمیرات کلیه ایسیو ها داخلی و خارجی و ماشین سنگی ...
آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
آموزشگاه تخصصی فنون خودرو با سابقه 14 ساله خود در زمینه آموز ...
آموزشگاه تخصصی فنون خودرو با سابقه 14 ساله در زمینه آموزش دو ...
آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
آموزشگاه فنی دنیای خودرو در سال ۱۳۸۳ بامجوز رسمی از سازمان ف ...
آموزش حرفه ای بازرَسی وکنترل بدنه اتومبیل ویژه کار ...
مجتمع مهارتهای نو دارای مجوز از سازمان فنی و حرفه ای با اراِ ...
فروش و نصب ردیاب خودرو dno برروی تمامی خودروهای ایرانی و ...