کتاب یادگیری تقویتی برای تصمیم‌گیری و کنترل خودروهای خودران

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی برای تصمیم‌گیری و کنترل خودروهای خودران

موضوع کلی: هوش مصنوعی و سیستم‌های خودران

موضوع میانی: یادگیری تقویتی برای رانندگی خودران

📋 سرفصل‌های دوره

  • 1. مبانی رانندگی خودران و نقش یادگیری تقویتی
  • 2. معماری سیستم‌های هوشمند خودروهای خودران
  • 3. مفاهیم پایه یادگیری تقویتی در رانندگی خودکار
  • 4. مدل‌سازی رانندگی خودران به‌عنوان مسئله تصمیم‌گیری
  • 5. تعریف عامل، محیط، حالت، عمل و پاداش در رانندگی
  • 6. فرآیند تصمیم‌گیری مارکوف در سناریوهای رانندگی
  • 7. طراحی فضای حالت برای خودروهای خودران
  • 8. طراحی فضای عمل برای تصمیم‌گیری خودرو
  • 9. مهندسی تابع پاداش در مسائل رانندگی خودران
  • 10. تعادل میان ایمنی، سرعت و راحتی در تابع پاداش
  • 11. یادگیری ارزش و سیاست در مسائل رانندگی
  • 12. الگوریتم‌های Q-Learning برای تصمیم‌گیری خودرو
  • 13. استفاده از Deep Q-Network در رانندگی خودران
  • 14. روش‌های Actor-Critic برای کنترل خودرو
  • 15. کاربرد PPO در تصمیم‌گیری خودروهای خودران
  • 16. کاربرد SAC و روش‌های پیوسته در کنترل رانندگی
  • 17. یادگیری تقویتی عمیق برای کنترل طولی خودرو
  • 18. یادگیری تقویتی برای کنترل فرمان و مسیر
  • 19. یادگیری تقویتی برای تغییر خط و انتخاب مسیر
  • 20. تصمیم‌گیری در تقاطع‌ها و چهارراه‌های هوشمند
  • 21. مدیریت سرعت و فاصله ایمن با یادگیری تقویتی
  • 22. کنترل شتاب و ترمز در محیط‌های واقعی
  • 23. مدیریت سبقت و ادغام در جریان ترافیک
  • 24. تصمیم‌گیری در شرایط پرترافیک
  • 25. تعامل خودروهای خودران با خودروهای انسانی
  • 26. مدل‌سازی رفتار سایر خودروها برای تصمیم‌گیری
  • 27. یادگیری تقویتی چندعامله برای رانندگی خودران
  • 28. هماهنگی خودروهای خودران در محیط‌های چندعامله
  • 29. استفاده از داده‌های حسگرها در یادگیری تقویتی
  • 30. ادغام ادراک محیط با تصمیم‌گیری مبتنی بر RL
  • 31. تبدیل خروجی سیستم بینایی به فضای حالت
  • 32. یادگیری تقویتی مبتنی بر داده‌های دوربین و LiDAR
  • 33. مدیریت عدم قطعیت در ادراک و تصمیم‌گیری
  • 34. یادگیری از شبیه‌سازی برای آموزش خودروهای خودران
  • 35. ساخت محیط شبیه‌سازی برای سناریوهای رانندگی
  • 36. استفاده از CARLA برای آموزش عامل‌های رانندگی
  • 37. تعریف سناریوهای آموزشی در محیط‌های شبیه‌سازی
  • 38. تولید سناریوهای متنوع و دشوار رانندگی
  • 39. Domain Randomization برای انتقال از شبیه‌سازی به واقعیت
  • 40. چالش Sim-to-Real در رانندگی خودران
  • 41. یادگیری تقویتی آفلاین با داده‌های رانندگی
  • 42. ترکیب یادگیری تقویتی و یادگیری نظارت‌شده
  • 43. یادگیری تقویتی مبتنی بر مدل و بدون مدل
  • 44. مقایسه روش‌های Model-Free و Model-Based در رانندگی
  • 45. یادگیری سلسله‌مراتبی برای تصمیم‌گیری چندسطحی
  • 46. برنامه‌ریزی مسیر با استفاده از یادگیری تقویتی
  • 47. بهینه‌سازی مسیر با معیارهای ایمنی و راحتی
  • 48. مدیریت سناریوهای نادر و خطرناک با RL
  • 49. یادگیری تقویتی ایمن برای خودروهای خودران
  • 50. اعمال محدودیت‌های ایمنی در فرآیند یادگیری
  • 51. روش‌های جلوگیری از اقدامات خطرناک عامل
  • 52. بهینه‌سازی چندهدفه در رانندگی خودران
  • 53. توازن میان مصرف انرژی و عملکرد رانندگی
  • 54. کاهش مصرف سوخت و انرژی با یادگیری تقویتی
  • 55. افزایش راحتی سرنشین با کنترل هوشمند
  • 56. مقاومت عامل در برابر تغییر شرایط محیطی
  • 57. سازگاری سیاست رانندگی با شرایط آب‌وهوایی
  • 58. تصمیم‌گیری در شب و شرایط دید محدود
  • 59. مدیریت سناریوهای پیچیده شهری با RL
  • 60. ارزیابی عملکرد عامل در محیط‌های رانندگی
  • 61. تعریف معیارهای ایمنی، کارایی و راحتی
  • 62. آزمون عامل در سناریوهای غیرعادی و بحرانی
  • 63. تحلیل خطا و شکست سیاست‌های یادگیری‌شده
  • 64. بهینه‌سازی و تنظیم ابرپارامترهای الگوریتم
  • 65. مقایسه الگوریتم‌های یادگیری تقویتی در رانندگی
  • 66. استقرار سیاست یادگیری تقویتی روی سیستم خودرو
  • 67. کاهش هزینه محاسباتی برای اجرای بلادرنگ
  • 68. طراحی معماری کامل تصمیم‌گیری خودران مبتنی بر RL
  • 69. پیاده‌سازی پروژه عملی رانندگی خودران با یادگیری تقویتی
  • 70. اعتبارسنجی مدل در شبیه‌ساز و سناریوهای واقعی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.