Нейросети [Ю Аяла] Машинное обучение и беспилотные автомобили - учебный курс с Python (2023)

[Брат Тук]

Автор: Ю Аяла
Название: Машинное обучение и беспилотные автомобили - учебный курс с Python (2023)

Описание:

Machine Learning & Self-Driving Cars: Bootcamp with Python

Объедините возможности машинного обучения, глубокого обучения и компьютерного зрения, чтобы создать беспилотный автомобиль!

Авторы: Iu Ayala
Последнее обновление: 09.2023
Английский
Видео с русским переводом [AVTO]

Чему вы научитесь

• Мастер машинного обучения и Python
• Узнайте, как применять алгоритмы машинного обучения для разработки беспилотного автомобиля с нуля.
• Поймите, почему глубокое обучение является такой революцией, и используйте его, чтобы заставить машину водить машину как человек (поведенческое клонирование)
• Смоделируйте беспилотный автомобиль в реалистичной среде, используя несколько методов (компьютерное зрение, нейронные сети свертки и т. д.)
• Создайте значительную добавленную стоимость для вашего бизнеса
• Нежное введение в машинное обучение, где все ключевые концепции представлены интуитивно понятным способом.
• Кодируйте глубокие сверточные нейронные сети с помощью Keras (самая популярная библиотека)
• Научитесь применять методы компьютерного зрения и глубокого обучения для создания алгоритмов, связанных с автомобилестроением.
• Понять, как работают беспилотные автомобили (датчики, исполнительные механизмы, контроль скорости и т. д.)
• Научитесь программировать на Python, начиная с самого начала
• Библиотеки Python: NumPy, Sklearn (Scikit-Learn), Keras, OpenCV, Matplotlib.

Требования

• Присоединиться может любой студент с базовыми знаниями физики и математики (все уровни подготовки приветствуются).
• Предыдущий опыт программирования НЕ обязателен.

Описание
Заинтересованы в машинном обучении или беспилотных автомобилях (например, Tesla)? Тогда этот курс для вас!

Этот курс был разработан профессиональным специалистом по данным, экспертом в области беспилотных транспортных средств, с целью поделиться своими знаниями и помочь вам простым способом понять, как работают беспилотные автомобили.

Каждая тема представлена на трех уровнях:

• Введение: будет представлена тема, начальное представление о ней.
  Практические занятия: практические лекции, на которых мы будем учиться на практике
  [Необязательно] Глубокое погружение: углубимся в математику, чтобы полностью понять тему.

Какие инструменты мы будем использовать на курсе?

• Python: вероятно, самый универсальный язык программирования в мире: от веб-сайтов до глубоких нейронных сетей, все можно сделать на Python.
  Библиотеки Python: matplotlib, OpenCV, numpy, scikit-learn, keras,... (эти библиотеки делают возможности Python безграничными)
  Webots: очень мощный симулятор, бесплатный и с открытым исходным кодом, но может обеспечить широкий спектр сценариев моделирования (беспилотные автомобили, дроны, четвероногие, роботизированное оружие, производственные линии и т. д.).

Для кого этот курс?

• Все уровни: предварительные знания не требуются, есть раздел, который научит вас программировать на Python.
  Математика/логика: Уровня средней школы достаточно, чтобы все понять!

Разделы:

• [Необязательно] Разделы Python: как программировать на Python и как использовать основные библиотеки.
  Компьютерное зрение: учит компьютер видеть и знакомит с ключевыми концепциями нейронных сетей.
  Машинное обучение: введение, ключевые понятия и классификация дорожных знаков
  Предотвращение столкновений: до сих пор мы использовали камеры, в этом разделе мы поймем, как радары и лидарные датчики используются в беспилотных автомобилях, используем их для предотвращения столкновений, планирования пути.
  • Помогите нам понять разницу между Tesla и другими производителями автомобилей, потому что Tesla не использует радары.
• Глубокое обучение: мы будем использовать все концепции, которые мы видели раньше в CV, ML и CA, внедрении нейронных сетей, поведенческом клонировании.
  Теория управления: системы управления — это клей, который сшивает воедино все области инженерии.
  • Если вас в основном интересует машинное обучение, вы можете прослушать только введение к этому разделу, но вы должны знать, что первоначальные нейронные сети находились под сильным влиянием КТ.

Кто я и почему я имею право говорить о беспилотных автомобилях?

• Работал на беспилотных мотоциклах, лодках и автомобилях.
  Некоторые из крупнейших компаний в мире
  Более 8 лет опыта работы в отрасли и мастер в области робототехники и CV.
  Всегда был заинтересован в эффективном обучении и использовал все методы, которым научился на этом курсе.
  Скрытая ссылка

Для кого этот курс:

• Все уровни, каждый раздел разделен на три уровня: введение, практическое занятие, глубокое погружение.
• Любой студент, желающий перейти в область искусственного интеллекта.
• Предприниматели, заинтересованные в работе над некоторыми из самых передовых технологий.
• Повысить уровень или получить работу в сфере Automotive/Data Science
• Любые люди, которые хотят повысить ценность своего бизнеса с помощью мощных инструментов машинного обучения.

Подробнее:

Скачать:

 

[kollakoka]

новичку будет не просто

 

[andreykorobka]

есть ли тут что-то на русском?

 

[Дева Мэриан]

есть ли тут что-то на русском?

Перевод.

 

[andreykorobka]

Перевод.

чо?

 

[lengsel]

Просмотрел весь курс, хороший, много классной теории и автор курса отличный мужик.

Машинный перевод мне совсем не понравился, поэтому я со средними знаниями английского просмотрел весь курс в оригинале - так куда проще понимать автора, т.к. его речь достаточно чёткая и слышна интонация. Машинный перевод, в свою очередь, может некорректно переводить какие-то специфические термины, и потом сиди думай, что он имел ввиду.

Единственное, что грустно. В этом курсе автор постепенно рассказывает о том, как можно построить беспилотный автомобиль, и создаётся ощущение, что в конце это всё будет собрано воедино.
- автор сначала рассказывает про то, как применить машинное обучение для классификации дорожных знаков (и думаешь: действительно, это полезно для беспилотного автомобиля)
- автор затем показывает простую технику для управления беспилотным автомобилем только с помощью единственной камеры на нём, чтобы он следовал за жёлтой полосой на дороге
- потом автор рассказывает про лидары, прикрепляет на автомобиль и показывает как их круто можно применить для вождения беспилотного автомобиля (показывает небольшую программку для этого)
- затем автор возвращается к одной обычной камере на автомобиле, и на этот раз показывает, как уже с помощью машинного обучения и информации с камеры заставить машину ездить по дороге самостоятельно
- в конце автор рассказывает теорию про то, какие используются для беспилотного вождения контроллеры (чтобы контролировать поведение автомобиля, создать круиз-контроль) и всё такое.

И после всех этих замечательных (без шуток) разделов автор просто резко завершает курс, а ты ожидаешь продолжения. То бишь, я ждал, что сейчас мы прикрутим к беспилотному автомобилю и обычную камеру, и лидары, чтобы она ездила прям аккуратно, и ещё нейросеть для классификации дорожных знаков, чтобы при виде их автомобиль тоже вёл себя как-то по-другому. Но ничего этого нет. Автор курса последовательно рассказывает о фишках и показывает их на практике, но в отрыве от уже пройденных фишек, изолированно так сказать. И это самое грустное, потому что качественных знаний реально много, но в итоге они не собраны в единый работающий мощный проект.

Может это от лени, я хотел, чтобы меня за ручку привели к финальному работающему проекту, но теперь мне придётся самостоятельно думать над тем, как всё это собрать (обычная камера + лидар + классификация дорожных знаков и написать под всё это логику), но всё равно слегка жалко

P.S. Нашёл курс, который, видимо, удовлетворяет моему желанию о том, чтобы в итоге всё было собрано воедино, и практики, на первый взгляд, там больше: self driving car engineer udacity. Слив курса есть на пендосском сайте, погуглите. На нашем любимом sharewood к сожалению не нашёл

 

[afonsky]

не очень получается вникнуть хоть и с переводом, суть теряется, если конечно вы по английски не разговаривате как на родном

 

[azure_demon]

Просмотрел весь курс, хороший, много классной теории и автор курса отличный мужик.

Машинный перевод мне совсем не понравился, поэтому я со средними знаниями английского просмотрел весь курс в оригинале - так куда проще понимать автора, т.к. его речь достаточно чёткая и слышна интонация. Машинный перевод, в свою очередь, может некорректно переводить какие-то специфические термины, и потом сиди думай, что он имел ввиду.

Единственное, что грустно. В этом курсе автор постепенно рассказывает о том, как можно построить беспилотный автомобиль, и создаётся ощущение, что в конце это всё будет собрано воедино.
- автор сначала рассказывает про то, как применить машинное обучение для классификации дорожных знаков (и думаешь: действительно, это полезно для беспилотного автомобиля)
- автор затем показывает простую технику для управления беспилотным автомобилем только с помощью единственной камеры на нём, чтобы он следовал за жёлтой полосой на дороге
- потом автор рассказывает про лидары, прикрепляет на автомобиль и показывает как их круто можно применить для вождения беспилотного автомобиля (показывает небольшую программку для этого)
- затем автор возвращается к одной обычной камере на автомобиле, и на этот раз показывает, как уже с помощью машинного обучения и информации с камеры заставить машину ездить по дороге самостоятельно
- в конце автор рассказывает теорию про то, какие используются для беспилотного вождения контроллеры (чтобы контролировать поведение автомобиля, создать круиз-контроль) и всё такое.

И после всех этих замечательных (без шуток) разделов автор просто резко завершает курс, а ты ожидаешь продолжения. То бишь, я ждал, что сейчас мы прикрутим к беспилотному автомобилю и обычную камеру, и лидары, чтобы она ездила прям аккуратно, и ещё нейросеть для классификации дорожных знаков, чтобы при виде их автомобиль тоже вёл себя как-то по-другому. Но ничего этого нет. Автор курса последовательно рассказывает о фишках и показывает их на практике, но в отрыве от уже пройденных фишек, изолированно так сказать. И это самое грустное, потому что качественных знаний реально много, но в итоге они не собраны в единый работающий мощный проект.

Может это от лени, я хотел, чтобы меня за ручку привели к финальному работающему проекту, но теперь мне придётся самостоятельно думать над тем, как всё это собрать (обычная камера + лидар + классификация дорожных знаков и написать под всё это логику), но всё равно слегка жалко

P.S. Нашёл курс, который, видимо, удовлетворяет моему желанию о том, чтобы в итоге всё было собрано воедино, и практики, на первый взгляд, там больше: self driving car engineer udacity. Слив курса есть на пендосском сайте, погуглите. На нашем любимом sharewood к сожалению не нашёл

привет, слушай, а может знаешь слитый курс(желательно на русском) по обучению моделей для компьютерного зрения? все эти опенсорсные библиотеки на мой взгляд какая то хрень для домашних игр

 

[lengsel]

привет, слушай, а может знаешь слитый курс(желательно на русском) по обучению моделей для компьютерного зрения? все эти опенсорсные библиотеки на мой взгляд какая то хрень для домашних игр

Извини, не знаю, но, честно говоря, очень много годного материала по компьютерному зрению есть в бесплатном доступе на ютубе.
И опенсорсные библиотеки для компьютерного зрения вполне хороши

Вот очень хороший русскоязычный канал по компьютерному зрению: https://www.youtube.com/@Koldim2001