فلش‌کارت‌های آموزشی مقدمه‌ای بر محاسبات در هوش مصنوعی برای حمل و نقل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در هوش مصنوعی برای حمل و نقل

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر محاسبات سطح بالا و هوش مصنوعی در حمل و نقل
• 2. مفاهیم پایه محاسبات
• 3. معماری کامپیوتر و اجزای اصلی
• 4. حافظه و سلسله مراتب حافظه
• 5. پردازنده و واحدهای محاسباتی
• 6. سیستم عامل و مدیریت منابع
• 7. مقدمه ای بر برنامه نویسی موازی
• 8. نخ (Thread) و فرآیند (Process)
• 9. مدل های برنامه نویسی موازی (اشتراک حافظه، توزیع حافظه)
• 10. زبان های برنامه نویسی موازی (C++, OpenMP, CUDA)
• 11. مبانی هوش مصنوعی
• 12. یادگیری ماشین و انواع آن
• 13. یادگیری نظارت شده، بدون نظارت و تقویتی
• 14. شبکه های عصبی و یادگیری عمیق
• 15. مقدمه ای بر TensorFlow و PyTorch
• 16. محاسبات سطح بالا برای یادگیری ماشین
• 17. بهینه سازی الگوریتم های یادگیری ماشین
• 18. موازی سازی الگوریتم های یادگیری ماشین
• 19. استفاده از GPU برای یادگیری عمیق
• 20. پردازش توزیع شده برای یادگیری ماشین
• 21. مقدمه ای بر حمل و نقل هوشمند
• 22. سیستم های حمل و نقل هوشمند (ITS)
• 23. خودروهای خودران و سطوح اتوماسیون
• 24. مدیریت ترافیک و مسیریابی
• 25. امنیت و ایمنی در حمل و نقل هوشمند
• 26. حسگرها و دستگاه های جمع آوری داده در حمل و نقل
• 27. دوربین ها، رادارها و لیدارها
• 28. سیستم های موقعیت یابی جهانی (GPS)
• 29. جمع آوری و پردازش داده های حسگر
• 30. فیلتر کردن و پاکسازی داده
• 31. تجمیع و تحلیل داده
• 32. مدل سازی ترافیک
• 33. مدل های ماکروسکوپیک، میکروسکوپیک و مزوسکوپیک
• 34. شبیه سازی ترافیک با استفاده از نرم افزار SUMO
• 35. بهینه سازی مسیر با استفاده از الگوریتم های هوش مصنوعی
• 36. الگوریتم های جستجو و بهینه سازی (A*, Dijkstra, PSO)
• 37. الگوریتم های یادگیری تقویتی برای کنترل ترافیک
• 38. یادگیری عمیق برای پیش بینی ترافیک
• 39. شبکه های عصبی بازگشتی (RNN) و LSTM
• 40. شبکه های عصبی کانولوشنال (CNN)
• 41. تشخیص اشیا در تصاویر و ویدئوها
• 42. تشخیص علائم راهنمایی و رانندگی
• 43. تشخیص وسایل نقلیه و عابرین پیاده
• 44. خودروهای خودران و تصمیم گیری
• 45. برنامه ریزی مسیر و کنترل حرکت
• 46. اجتناب از موانع و ناوبری
• 47. مدیریت ناوگان و مسیریابی
• 48. بهینه سازی مسیر برای ناوگان حمل و نقل
• 49. تخصیص منابع و زمان بندی
• 50. مدیریت انرژی در وسایل نقلیه الکتریکی
• 51. مسائل و چالش های محاسبات سطح بالا در حمل و نقل
• 52. مقیاس پذیری و تحمل خطا
• 53. امنیت و حریم خصوصی داده
• 54. ملاحظات اخلاقی در هوش مصنوعی برای حمل و نقل
• 55. ابزارهای توسعه و محیط های برنامه نویسی
• 56. معرفی CUDA و معماری GPU
• 57. برنامه نویسی CUDA برای شتاب دهی محاسبات
• 58. بهینه سازی کد CUDA
• 59. معرفی OpenMP و برنامه نویسی چند نخی
• 60. استفاده از MPI برای برنامه نویسی توزیع شده
• 61. معرفی ابزارهای پروفایلینگ و دیباگینگ
• 62. تکنیک های بهینه سازی عملکرد
• 63. بهینه سازی حافظه و دسترسی به داده
• 64. کاهش ارتباطات و سربارها
• 65. استفاده از کتابخانه های بهینه شده
• 66. بررسی موردی: شبیه سازی ترافیک در مقیاس بزرگ
• 67. بررسی موردی: تشخیص اشیا در زمان واقعی برای خودروهای خودران
• 68. بررسی موردی: مسیریابی هوشمند و پویا
• 69. بررسی موردی: مدیریت ناوگان با استفاده از هوش مصنوعی
• 70. روندها و آینده محاسبات سطح بالا در هوش مصنوعی برای حمل و نقل
• 71. محاسبات کوانتومی و تاثیر آن بر هوش مصنوعی
• 72. محاسبات لبه و تاثیر آن بر حمل و نقل هوشمند
• 73. هوش مصنوعی قابل توضیح (Explainable AI)
• 74. یادگیری فدرال شده (Federated Learning)
• 75. پلتفرم های سخت افزاری برای محاسبات سطح بالا
• 76. CPU، GPU، FPGA و ASIC
• 77. انتخاب سخت افزار مناسب برای کاربردهای خاص
• 78. روند توسعه الگوریتم های هوش مصنوعی برای حمل و نقل
• 79. جمع آوری داده های آموزشی
• 80. برچسب زنی و آماده سازی داده
• 81. آموزش و ارزیابی مدل
• 82. استقرار و نظارت بر مدل
• 83. روش های ارزیابی عملکرد سیستم های حمل و نقل هوشمند
• 84. متریک های عملکرد (زمان سفر، تاخیر، ایمنی)
• 85. تکنیک های شبیه سازی و اعتبارسنجی
• 86. تحلیل حساسیت و مدیریت ریسک
• 87. ملاحظات قانونی و نظارتی در حمل و نقل هوشمند
• 88. استانداردها و دستورالعمل ها
• 89. مسئولیت و پاسخگویی
• 90. حریم خصوصی و حفاظت از داده ها
• 91. رابط انسان و ماشین در حمل و نقل هوشمند
• 92. طراحی رابط کاربری (UI) و تجربه کاربری (UX)
• 93. ایمنی و سهولت استفاده
• 94. اعتماد و پذیرش عمومی
• 95. مسائل اخلاقی و اجتماعی حمل و نقل هوشمند
• 96. جایگزینی نیروی کار انسانی
• 97. دسترسی برابر و عدالت
• 98. تاثیرات زیست محیطی
• 99. آینده حمل و نقل با محاسبات سطح بالا و هوش مصنوعی
• 100. خودروهای پرنده و تاکسی های هوایی