هوش مصنوعی برای روباتیک

یک گواهی نانودری دریافت کنید که حرفه شما را تسریع می کند!

در مورد این دوره

بیاموزید که چگونه همه سیستم های اصلی یک ماشین رباتیک را از رهبر تیم های رانندگی خودمختار استنفورد برنامه ریزی کنید. این کلاس روشهای اساسی را در هوش مصنوعی به شما آموزش می دهد ، از جمله: استنباط احتمالی ، برنامه ریزی و جستجو ، بومی سازی ، ردیابی و کنترل ، همه با تمرکز بر روباتیک. نمونه ها و تکالیف برنامه نویسی گسترده این روش ها را در زمینه ساخت اتومبیل های خودران به کار می برد.

این دوره به عنوان بخشی از کارشناسی ارشد Georgia Tech در علوم کامپیوتر ارائه می شود. دوره به روز شده شامل یک پروژه نهایی است ، جایی که شما باید یک ربات فراری را که سعی در فرار دارد تعقیب کنید!

هزینه دوره

جدول زمانی

تقریباً2 ماه

سطح مهارت

پیشرفته

در محصول گنجانده شده است

محتوای یادگیری غنی

توسط جوانب مثبت صنعت تدریس می شود

به مسیر عظمت بپیوندید

مقدمه Udacity برای برنامه نویسی اولین قدم شما به سمت مشاغل در توسعه وب و برنامه ، یادگیری ماشین ، علوم داده ، هوش مصنوعی و موارد دیگر است! این برنامه برای مبتدیان مناسب است.

دوره رایگان

هوش مصنوعی برای روباتیک

مجموعه مهارت های خود را ارتقا دهید و از طریق یادگیری نوآورانه و مستقل ، اشتیاق خود را تقویت کنید.

برنامه نانودی

آشنایی با برنامه نویسی

مقدمه Udacity برای برنامه نویسی اولین قدم شما به سمت مشاغل در توسعه وب و برنامه ، یادگیری ماشین ، علوم داده ، هوش مصنوعی و موارد دیگر است! این برنامه برای مبتدیان مناسب است.

دوره منجر می شود

سباستین

آنچه یاد خواهید گرفت

درس 1

بومی سازی

• بومی سازی
• احتمال کل
• توزیع یکنواخت
• احتمال بعد از حس
• توزیع عادی کردن
• PHIT و PMISS
• مجموع احتمالات
• تابع حس
• حرکت دقیق
• تابع حرکت
• قاعده بیز
• قضیه احتمال کل

درس 2

فیلترهای کالمن

• مقدمه گاوسی
• مقایسه واریانس
• گاوسی را به حداکثر برسانید
• اندازه گیری و حرکت
• بروزرسانی پارامتر
• واریانس میانگین جدید
• حرکت گاوسی
• کد فیلتر کالمن
• پیش بینی کالمن
• طراحی فیلتر کالمن
• ماتریس کالمن

درس 3

فیلترهای ذرات

• فضای صفحات
• حالت اعتقاد
• فیلترهای ذرات
• با استفاده از کلاس ربات
• دنیای ربات
• ذرات ربات

درس 4

جستجو کردن

• برنامه ریزی حرکت
• هزینه محاسبه
• مسیر بهینه
• اولین برنامه جستجو
• شبکه انبساط
• برنامه نویسی پویا
• مقدار محاسباتی
• سیاست بهینه

درس 5

کنترل PID

• حرکت
• الگوریتم صاف کننده
• صافی مسیر
• وزن داده صفر
• کنترل PID
• کنترل متناسب
• کنترلر P را پیاده سازی کنید
• نوسانات
• کنترل کننده PD
• تعصب منظم
• اجرای PID
• بهینه سازی پارامتر

درس 6

SLAM (محلی سازی و نقشه برداری همزمان)

• بومی سازی
• برنامه ریزی
• تقسیم شده است
• سرگرم کننده با پارامترها
• لقمه
• لجن نمودار
• اجرای محدودیت ها
• اضافه کردن نقاط دیدنی
• اصلاح ماتریس
• مزارع دست نخورده
• موقعیت نقطه عطف
• اندازه گیری های اعتماد به نفس
• اجرای SLAM

پیش نیازها و الزامات

موفقیت در این دوره به تجربه برنامه نویسی و برخی از تسلط ریاضی نیاز دارد.

برنامه نویسی در این دوره در پایتون انجام می شود. ما از برخی مفاهیم اساسی شی گرا برای مدل سازی حرکت و ادراک ربات استفاده خواهیم کرد. اگر پایتون را نمی شناسید اما با یک زبان دیگر تجربه دارید ، باید بتوانید نحو را به سرعت انتخاب کنید. اگر تجربه برنامه نویسی ندارید ، باید قبل از تلاش برای این دوره ، مقدمه Udacity را در دوره علوم کامپیوتر در نظر بگیرید.

ریاضی مورد استفاده بر احتمال و جبر خطی متمرکز خواهد شد. شما نیازی به متخصص بودن در این زمینه ندارید ، اما برخی از آشنایی با مفاهیم در احتمال (به عنوان مثال احتمالات باید به یک احتمال مشروط و قانون بیز اضافه شود) بسیار مفید خواهد بود. یادگیری این مفاهیم در طول دوره امکان پذیر است ، اما کار بیشتری خواهد داشت. آگاهی از جبر خطی ، در حالی که مفید است ، لازم نیست.

الزامات فناوری را برای استفاده از UDacity مشاهده کنید.

چرا این دوره را طی کنید

این دوره به شما استنباط احتمالی ، برنامه ریزی و جستجو ، بومی سازی ، ردیابی و کنترل ، همه با تمرکز بر روباتیک می آموزد.

در پایان دوره ، با حل مشکل یک ربات فراری که باید تعقیب و شکار کنید ، آنچه را که آموخته اید ، از آنچه آموخته اید استفاده خواهید کرد!