آنچه در این تخصص خواهید آموخت، فراتر از چند مفهوم نظری است. این دوره شما را با هسته اصلی سیستم‌های خودران آشنا می‌کند و به شما توانایی تحلیل و حل مسائل پیچیده در این حوزه را می‌دهد. پس از اتمام این تخصص، شما قادر خواهید بود:

• مفاهیم بنیادی خودروهای خودران را درک کنید: از جمله معماری کلی سیستم‌ها، انواع سنسورهای مورد استفاده (لیدار، رادار، دوربین، GPS)، و چالش‌های کلیدی موجود در این صنعت.
• سیستم‌های تخمین حالت و موقعیت‌یابی را طراحی و پیاده‌سازی کنید: با استفاده از الگوریتم‌های پیشرفته‌ای مانند فیلتر کالمن (Kalman Filter)، فیلتر ذرات (Particle Filter)، و تکنیک‌های SLAM (هم‌زمان مکان‌یابی و نقشه‌برداری) برای تعیین دقیق موقعیت و جهت خودرو در محیط‌های پیچیده و دینامیک.
• الگوریتم‌های پیشرفته درک بصری را به کار ببرید: شامل تشخیص اشیاء (Object Detection)، ردیابی اشیاء (Object Tracking)، و طبقه‌بندی آن‌ها با استفاده از تکنیک‌های یادگیری عمیق (Deep Learning) و بینایی ماشین (Computer Vision) برای “دیدن” و “فهمیدن” محیط اطراف خودرو.
• سیستم‌های برنامه‌ریزی حرکت را توسعه دهید: برای تصمیم‌گیری ایمن، کارآمد و راحت در مورد مسیر و سرعت خودرو در محیط‌های پرچالش و با وجود موانع متغیر.
• با داده‌های سنسورهای مختلف کار کنید و آن‌ها را تلفیق کنید: توانایی پردازش و تلفیق داده‌های خام از سنسورهای گوناگون برای ایجاد یک دید جامع و دقیق از محیط رانندگی.
• پروژه‌های عملی مربوط به هر یک از ماژول‌ها را انجام دهید: که شامل کدنویسی در پایتون و استفاده از فریم‌ورک‌های مرتبط با خودروهای خودران است و شما را برای چالش‌های واقعی صنعت آماده می‌سازد.

این دوره به شما دیدگاه جامعی از تمامی ابعاد مورد نیاز برای تبدیل شدن به یک مهندس خودروهای خودران ارائه می‌دهد و شما را با آخرین پیشرفت‌ها و چالش‌های این حوزه آشنا می‌کند.

مزایای شرکت در این تخصص بسیار گسترده است و می‌تواند مسیر شغلی شما را متحول کند. این دوره برای کسانی که به دنبال ساخت آینده حمل‌ونقل هستند، فرصت‌های بی‌نظیری را فراهم می‌آورد:

• افزایش چشمگیر فرصت‌های شغلی: صنعت خودروهای خودران در حال رشد انفجاری است و تقاضا برای مهندسان متخصص در این حوزه، به ویژه در زمینه‌های هوش مصنوعی، روباتیک و بینایی ماشین، بسیار بالاست. با داشتن این تخصص، شما در موقعیت ممتاز برای جذب توسط شرکت‌های پیشرو در این صنعت، از جمله تولیدکنندگان خودرو، شرکت‌های فناوری و استارتاپ‌ها، قرار خواهید گرفت.
• کسب مهارت‌های عملی و کاربردی: تمرکز دوره بر پروژه‌های عملی، تکالیف کدنویسی و شبیه‌سازی‌های واقعی، به شما امکان می‌دهد تا دانش نظری را به مهارت‌های قابل اجرا در دنیای واقعی تبدیل کنید. این یک مزیت بزرگ در مصاحبه‌های شغلی و شروع فعالیت حرفه‌ای شماست.
• یادگیری از متخصصان برجسته: این تخصص توسط اساتید و پژوهشگران دانشگاه تورنتو، یکی از پیشروان جهانی در زمینه هوش مصنوعی و خودروهای خودران، تدریس می‌شود. این بدان معناست که شما مستقیماً از کسانی که در حال شکل‌دهی به آینده این فناوری هستند، می‌آموزید.
• درک جامع و سیستمی: به جای یادگیری جزیره‌ای مفاهیم، شما یک درک کامل از چگونگی همکاری اجزای مختلف یک سیستم خودران برای رسیدن به هدف نهایی (رانندگی ایمن و کارآمد) پیدا می‌کنید. این دیدگاه سیستمی برای مهندسان این حوزه بسیار حیاتی است.
• ایجاد پورتفولیوی قوی: پروژه‌هایی که در طول دوره انجام می‌دهید، می‌توانند به عنوان بخشی مهم از پورتفولیوی شما برای اثبات توانایی‌هایتان به کارفرمایان آینده مورد استفاده قرار گیرند و شما را به عنوان یک کاندیدای قوی‌تر معرفی کنند.

در نهایت، این دوره یک سرمایه‌گذاری واقعی در آینده شغلی شماست که می‌تواند شما را به یکی از متخصصان مورد نیاز در صنعت خودروهای خودران تبدیل کند.

برای حداکثر بهره‌وری از این تخصص و اطمینان از موفقیت شما، داشتن پیش‌زمینه‌های خاصی توصیه می‌شود. این دوره برای کسانی طراحی شده است که دارای دانش پایه‌ای در زمینه‌های زیر هستند:

• برنامه‌نویسی پایتون: تسلط بر مبانی پایتون، از جمله ساختارهای داده، توابع، حلقه‌ها، و برنامه‌نویسی شی‌گرا، ضروری است. بسیاری از تکالیف و پروژه‌های دوره در پایتون خواهند بود و familiarity با کتابخانه‌های علمی پایتون مانند NumPy و Matplotlib نیز بسیار مفید است.
• جبر خطی: درک مفاهیمی مانند بردارها، ماتریس‌ها، عملیات ماتریسی (جمع، ضرب، وارون)، دترمینان، و تبدیل‌های خطی برای درک الگوریتم‌های تخمین حالت، موقعیت‌یابی و برنامه‌ریزی حرکت حیاتی است.
• حسابان (Calculus): آشنایی با مشتقات، انتگرال‌ها، و مفاهیم بهینه‌سازی که در الگوریتم‌های کنترل، یادگیری ماشین و شبکه‌های عصبی استفاده می‌شوند، ضروری است.
• احتمالات و آمار: درک مفاهیم اساسی احتمال، توزیع‌ها (مانند توزیع نرمال)، متغیرهای تصادفی، و استنتاج آماری برای درک الگوریتم‌های فیلترینگ (مانند فیلتر کالمن و فیلتر ذرات) و بسیاری از مدل‌های یادگیری ماشین مورد نیاز است.
• مبانی فیزیک (اختیاری اما مفید): آشنایی با مفاهیم مکانیک، سینماتیک و دینامیک برای درک حرکت خودرو و مدل‌سازی آن می‌تواند کمک‌کننده باشد و به شما در درک عمیق‌تر مباحث یاری رساند.

حتی اگر در برخی از این زمینه‌ها نیاز به بازنگری دارید، منابع تکمیلی در خود پلتفرم کورسرا یا وب‌سایت‌های آموزشی دیگر می‌تواند به شما کمک کند تا دانش خود را تقویت کرده و برای این تخصص آماده شوید.

۱. مقدمه‌ای بر خودروهای خودران (Introduction to Self-Driving Cars)

این دوره به عنوان دروازه ورود به دنیای خودروهای خودران عمل می‌کند. شما با تاریخچه، چشم‌انداز آینده، و معماری کلی سیستم‌های خودران آشنا می‌شوید. مباحثی مانند چگونگی طراحی و عملکرد یک خودروی خودران، انواع سنسورها (رادار، لیدار، دوربین، GPS) و نقش آن‌ها در جمع‌آوری داده‌ها، چالش‌های اخلاقی و قانونی، و مفاهیم پایه ناوبری و کنترل پوشش داده می‌شود. هدف این دوره، ایجاد یک دیدگاه جامع و یکپارچه از آنچه یک خودروی خودران را می‌سازد و همچنین آشنایی با واژگان و اصطلاحات کلیدی این صنعت است.

۲. تخمین حالت و موقعیت‌یابی برای خودروهای خودران (State Estimation and Localization for Self-Driving Cars)

در این دوره، به یکی از حیاتی‌ترین جنبه‌های خودروهای خودران، یعنی دانستن دقیق موقعیت خودرو و وضعیت آن در محیط، می‌پردازید. شما با الگوریتم‌های پیشرفته فیلترینگ مانند فیلتر کالمن (Kalman Filter)، فیلتر بسط‌یافته کالمن (Extended Kalman Filter) و فیلتر ذرات (Particle Filter) آشنا می‌شوید که برای ترکیب داده‌های سنسورهای مختلف و تخمین دقیق حالت (موقعیت، سرعت، جهت و شتاب) خودرو استفاده می‌شوند. همچنین، مفاهیم موقعیت‌یابی (Localization) و SLAM (Simultaneous Localization and Mapping) که به خودرو امکان می‌دهد هم‌زمان موقعیت خود را تعیین کرده و نقشه‌ای از محیط اطراف بسازد، به طور عمقی بررسی می‌شوند. پروژه‌های عملی در این بخش شامل پیاده‌سازی این فیلترها و الگوریتم‌ها در محیط‌های شبیه‌سازی‌شده و با استفاده از داده‌های واقعی سنسور است.

۳. برنامه‌ریزی حرکت برای خودروهای خودران (Motion Planning for Self-Driving Cars)

پس از اینکه خودرو از موقعیت خود آگاه شد و محیط اطراف را درک کرد، گام بعدی تصمیم‌گیری درباره چگونگی حرکت است. این دوره بر الگوریتم‌های برنامه‌ریزی حرکت (Motion Planning) تمرکز دارد که به خودرو امکان می‌دهند مسیری ایمن، کارآمد و راحت را در محیط‌های پویا (مانند ترافیک، تقاطع‌ها و پیچ‌ها) انتخاب کند. شما با مفاهیمی مانند برنامه‌ریزی مسیر (Path Planning)، تولید پروفایل سرعت (Speed Profile Generation)، و الگوریتم‌های اجتناب از موانع (Obstacle Avoidance) آشنا می‌شوید. مباحثی مانند درخت‌های جستجو (Search Trees) مانند RRTs، نمودارهای قابل‌دسترسی (Reachability Graphs)، و بهینه‌سازی مسیر نیز پوشش داده می‌شوند. پروژه‌های این دوره شامل پیاده‌سازی برنامه‌ریزهای حرکت برای سناریوهای مختلف رانندگی و ارزیابی عملکرد آن‌ها است.

۴. درک بصری برای خودروهای خودران (Perception for Self-Driving Cars)

این دوره به قلب توانایی خودرو در “دیدن” و “فهمیدن” محیط اطراف اختصاص دارد. شما با تکنیک‌های پیشرفته بینایی ماشین (Computer Vision) و یادگیری عمیق (Deep Learning) آشنا می‌شوید که برای پردازش داده‌های دوربین‌ها و لیدار استفاده می‌شوند. مباحثی مانند تشخیص اشیاء (Object Detection) – شامل عابران پیاده، خودروها، علائم راهنمایی و رانندگی، و خطوط جاده – ردیابی اشیاء (Object Tracking)، و طبقه‌بندی آن‌ها (Object Classification) به طور مفصل پوشش داده می‌شوند. همچنین، روش‌های سگمنتیشن معنایی (Semantic Segmentation) و اندازه‌گیری عمق (Depth Estimation) که برای درک کامل و دقیق صحنه رانندگی ضروری هستند، آموزش داده می‌شوند. این دوره شامل پروژه‌های کدنویسی با فریم‌ورک‌های محبوب یادگیری عمیق مانند TensorFlow یا PyTorch برای حل مسائل ادراک بصری در سناریوهای واقعی و پیچیده است.

یکی از نقاط قوت برجسته این تخصص، تأکید بی‌وقفه آن بر پروژه‌های عملی و مثال‌های کاربردی است. دانش تئوری به تنهایی کافی نیست؛ توانایی تبدیل این دانش به راهکارهای عملی در دنیای واقعی، چیزی است که شما را از دیگران متمایز می‌کند. در طول این تخصص:

• شما با داده‌های واقعی سنسورها از خودروهای خودران کار خواهید کرد، که به شما امکان می‌دهد با چالش‌های حقیقی داده‌های دنیای واقعی، نویز سنسورها و عدم قطعیت‌ها آشنا شوید.
• از شبیه‌سازی‌های پیشرفته برای تست و اعتبارسنجی الگوریتم‌های خود استفاده می‌کنید، که محیطی امن و کنترل‌شده برای آزمایش ایده‌های شما فراهم می‌آورد و امکان تکرار سناریوهای پیچیده را می‌دهد.
• هر دوره شامل پروژه‌های برنامه‌نویسی جامع است که شما را ملزم به پیاده‌سازی الگوریتم‌های کلیدی از صفر تا صد می‌کند. این پروژه‌ها شامل پیاده‌سازی فیلتر کالمن برای تخمین موقعیت، توسعه الگوریتم‌های تشخیص اشیاء با استفاده از شبکه‌های عصبی پیچشی (CNNs)، و طراحی برنامه‌ریزی مسیر برای سناریوهای مختلف ترافیکی و تعامل با عابران پیاده هستند.
• شما فرصت خواهید داشت تا مهارت‌های حل مسئله خود را در مواجهه با چالش‌های پیچیده مهندسی خودروهای خودران تقویت کنید و راه‌حل‌های نوآورانه ارائه دهید.
• بازخوردهای دقیق بر روی کدها و پروژه‌ها به شما کمک می‌کند تا اشکالات را برطرف کرده و بهترین شیوه‌های کدنویسی و طراحی الگوریتم را بیاموزید.

این رویکرد عملی، تضمین می‌کند که شما نه تنها مفاهیم را درک می‌کنید، بلکه قادر به پیاده‌سازی و بهبود آن‌ها در محیط‌های حرفه‌ای و صنعتی خواهید بود و به یک مهندس خودران با تجربه عملی تبدیل می‌شوید.