دوره یادگیری ماشین مقاوم: حفاظت از هوش مصنوعی خودرو همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین مقاوم: حفاظت از هوش مصنوعی خودرو

موضوع کلی: امنیت و ایمنی سامانه‌های هوشمند حمل‌ونقل

موضوع میانی: امنیت مدل‌های هوش مصنوعی خودروهای خودران

📋 سرفصل‌های دوره

• 1. آشنایی با یادگیری ماشین و کاربردهای آن در خودرو
• 2. جمع‌آوری و پیش‌پردازش داده‌های حسگر خودرو
• 3. انواع حسگرهای مورد استفاده در خودروهای خودران
• 4. روش‌های کاهش نویز در داده‌های حسگر
• 5. اعتبارسنجی و پاکسازی داده‌های خودرو
• 6. مبانی آمار و احتمال در یادگیری ماشین
• 7. مقدمه‌ای بر الگوریتم‌های طبقه‌بندی
• 8. الگوریتم درخت تصمیم در تشخیص اشیاء
• 9. ماشین‌های بردار پشتیبان (SVM) برای طبقه‌بندی تصاویر
• 10. شبکه‌های عصبی کانولوشنال (CNN) برای تشخیص الگو
• 11. تشخیص عابر پیاده با استفاده از CNN
• 12. تشخیص علائم راهنمایی و رانندگی با CNN
• 13. تشخیص خودروهای دیگر با استفاده از CNN
• 14. مقدمه‌ای بر الگوریتم‌های رگرسیون
• 15. پیش‌بینی سرعت و شتاب خودرو با استفاده از رگرسیون
• 16. پیش‌بینی مسیر حرکت خودرو با استفاده از رگرسیون
• 17. روش‌های خوشه‌بندی برای تحلیل رفتار راننده
• 18. مقدمه‌ای بر یادگیری تقویتی
• 19. یادگیری تقویتی برای کنترل خودرو در محیط‌های شبیه‌سازی شده
• 20. بهینه‌سازی مسیر با استفاده از یادگیری تقویتی
• 21. مقدمه‌ای بر یادگیری انتقالی
• 22. استفاده از یادگیری انتقالی برای بهبود عملکرد مدل‌ها
• 23. تکنیک‌های افزایش داده برای بهبود دقت مدل‌ها
• 24. مقدمه‌ای بر یادگیری نیمه نظارتی
• 25. استفاده از داده‌های بدون برچسب برای آموزش مدل‌ها
• 26. روش‌های تشخیص ناهنجاری در داده‌های خودرو
• 27. تشخیص خرابی‌های احتمالی خودرو با استفاده از یادگیری ماشین
• 28. مقدمه‌ای بر امنیت یادگیری ماشین
• 29. حملات adversarial بر مدل‌های یادگیری ماشین خودرو
• 30. روش‌های دفاعی در برابر حملات adversarial
• 31. تفسیرپذیری مدل‌های یادگیری ماشین در خودرو
• 32. اهمیت تفسیرپذیری در تصمیم‌گیری‌های سیستم‌های خودران
• 33. تست و ارزیابی مدل‌های یادگیری ماشین خودرو
• 34. معیارهای ارزیابی عملکرد مدل‌های یادگیری ماشین
• 35. مقدمه‌ای بر یادگیری ماشین فدرال
• 36. حفظ حریم خصوصی داده‌ها در یادگیری ماشین خودرو
• 37. استفاده از یادگیری ماشین فدرال برای به‌روزرسانی مدل‌ها
• 38. مبانی سیستم‌های تعبیه شده در خودرو
• 39. پیاده‌سازی مدل‌های یادگیری ماشین بر روی سخت‌افزارهای خودرو
• 40. بهینه‌سازی مدل‌ها برای اجرا بر روی پردازنده‌های کم‌مصرف
• 41. مقدمه‌ای بر سیستم‌عامل‌های بلادرنگ (RTOS)
• 42. استفاده از RTOS برای کنترل لحظه‌ای خودرو
• 43. مقدمه‌ای بر پروتکل‌های ارتباطی خودرو (CAN, LIN)
• 44. ارتباط بین اجزای مختلف خودرو با استفاده از CAN و LIN
• 45. مدیریت خطا و تحمل پذیری در سیستم‌های یادگیری ماشین خودرو