شهادة جامعية تتقدم فيها في مجال صناعة الروبوتات تحت إشراف خبراء ذوي مسيرة مهنية طويلة"

 

تعتمد حركة الروبوتات واستقلاليتها إلى حد كبير على القدرة التقنية على تحسين رؤيتها الاصطناعية من خلال جعل حركاتها أكثر دقة وتشبه الإنسان بشكل متزايد. مهمة معقدة تتطلب مهندسين مؤهلين تأهيلاً هندسيًا عاليًا. ستتناول هذه المحاضرة الجامعية، التي يدرّسها فريق من الخبراء في مجال الروبوتات، على مدار 12 أسبوعاً الخوارزميات التي تمكّن معالجة الصور وتحليلها في الروبوتات.

تعليم يكتسب من خلاله الطلاب معرفة متقدمة وشاملة بالتشغيل الفعال للروبوتات المتحركة في البيئات المعقدة، واتخاذ القرارات وأداء المهام دون تدخل بشري، أي كل ما يتعلق بالملاحة الروبوتية. برنامج ذو تركيز نظري، ولكن مع تطبيق عملي كبير بحيث يمكن للمحترف أن يتقدم في قطاع شهد ارتفاعًا في السنوات الأخيرة بفضل تحسين التقنيات والأدوات الرقمية المختلفة المتقدمة التي تسمح بتكوين الخوارزميات التي تؤثر على الرؤية الاصطناعية.  

فرصة ممتازة لمحترفي الهندسة الذين يرغبون في التقدم بشهادة جامعية يتم تدريسها بالكامل عبر الإنترنت. طريقة تدريس يمكنك من خلالها الدراسة بشكل مريح ومرن، حيث تحتاج فقط إلى جهاز متصل بالإنترنت للوصول إلى منهج الوسائط المتعددة الذي يتكون منه هذا المقرر الجامعي، دون جلسات ذات جدول زمني ثابت، مع وجود محتوى كامل للبرنامج منذ اليوم الأول. طريقة تسمح لك بالتوفيق بين مسؤولياتك الشخصية مع الحصول على تعليم في الطليعة الأكاديمية.  

برنامج جامعي يقدم لك محتوى الوسائط المتعددة الأكثر ابتكاراً في مجال الروبوتات والرؤية الافتراضية"

هذه المحاضرة الجامعية في خوارزميات الرؤية الافتراضية في الروبوتات: برنامج معالجة الصور وتحليلها تحتوي على البرنامج التعليمي الأكثر اكتمالاً وحداثة في السوق. أبرز خصائصها هي:

تطوير الحالات العملية المقدمة من قبل خبراء في هندسة الروبوتات 
محتوياتها البيانية والتخطيطية والعملية البارزة التي يتم تصورها بها تجمع المعلومات العلمية والرعاية العملي حول تلك التخصصات الأساسية للممارسة المهنية 
التمارين العملية حيث يمكن إجراء عملية التقييم الذاتي لتحسين التعلم 
تركيزها على المنهجيات المبتكرة  
كل هذا سيتم استكماله بدروس نظرية وأسئلة للخبراء ومنتديات مناقشة حول القضايا المثيرة للجدل وأعمال التفكير الفردية 
توفر المحتوى من أي جهاز ثابت أو محمول متصل بالإنترنت 

إن نظام إعادة التعلم (المعروف بـ Relearning) في هذا التدريس 100% عبر الإنترنت سيسهل عليك التعلم ويقلل من ساعات الدراسة الطويلة"

البرنامج يضم في أعضاء هيئة تدريسه محترفين يصبون في هذا التدريب خبرة عملهم، بالإضافة إلى متخصصين معترف بهم من الشركات الرائدة والجامعات المرموقة.  
سيتيح محتوى البرنامج المتعدد الوسائط، والذي صيغ بأحدث التقنيات التعليمية، للمهني التعلم السياقي والموقعي، أي في بيئة محاكاة توفر تدريبا غامرا مبرمجا للتدريب في حالات حقيقية.  
يركز تصميم هذا البرنامج على التعلّم القائم على حل المشكلات، والذي يجب على المهني من خلاله محاولة حل مختلف مواقف الممارسة المهنية التي تنشأ على مدار العام الدراسى. للقيام بذلك، سيحصل على مساعدة من نظام فيديو تفاعلي مبتكر من قبل خبراء مشهورين.   

مع هذا البرنامج، تعمّق أكثر في النمذجة الباييزية والتجزئة ثلاثية الأبعاد باستخدام أحدث الأدوات"

حل المشاكل الرئيسية لتوطين الروبوتات بفضل هذه المحاضرة الجامعية. سجل الآن"

تتكون هذه المحاضرة الجامعية من منهج دراسي تم تطويره من قبل فريق تدريس متخصص في مجال الروبوتات، والذي سيتيح للمتخصص في الهندسة دراسة الرؤية الاصطناعية بعمق لمدة 360 ساعة. بهذه الطريقة، سيكتسب الطلاب معرفة شاملة بالرؤية الافتراضية وأجهزة الاستشعار البصرية والأدوات الرياضية وطرق تعلم الرؤية المختلفة المستخدمة. ستعمل ملخصات الفيديو والقراءات المتخصصة والحالات الحقيقية التي يقدمها أعضاء هيئة التدريس على اكتساب عملية تعليمية شاملة وسريعة.

ستسهل الحالات الحقيقية المقدمة في هذه المحاضرة الجامعية إنشاء الشبكات العصبية في الروبوتات"

الوحدة 1. تقنيات الرؤية الافتراضية في الروبوتات: معالجة الصور وتحليلها 

1.1 الرؤية الافتراضية 

1.1.1 الرؤية الافتراضية 
2.1.1 عناصر نظام الرؤية الافتراضية 
3.1.1 أدوات الرياضيات 

2.1 أجهزة الاستشعار البصرية للروبوتات 

1.2.1 أجهزة الاستشعار البصرية السلبية 
2.2.1 أجهزة الاستشعار البصرية النشطة 
3.2.1 أجهزة الاستشعار غير البصرية 

3.1 الحصول على الصور 

1.3.1 تمثيل الصورة 
2.3.1 مساحة اللون 
3.3.1 عملية الرقمنة 

4.1 هندسة الصورة 

1.4.1 نماذج العدسات 
4.2.1 نماذج الكاميرات 
3.4.1 معايرة الكاميرات 

5.1 أدوات الرياضيات 

1.5.1 الرسم البياني للصورة 
2.5.1 الطي 
3.5.1 المتحولة لـ Fourier 

6.1 المعالجة المسبقة للصورة 

1.6.1 تحليل الضوضاء 
2.6.1 تجانس الصورة 
3.6.1 تحسين الصورة 

7.1 تقطيع الصورة 

1.7.1 التقنيات المعتمدة على المعالم 
3.7.1 االتقنيات القائمة على الرسم البياني 
4.7.1 العمليات المورفولوجية 

8.1 الكشف عن الميزات في الصورة 

1.8.1 الكشف عن النقاط المثيرة للاهتمام 
2.8.1 واصفات الميزة 
3.8.1 المراسلات بين الميزات 

9.1 أنظمة الرؤية ثلاثية الأبعاد 

1.9.1 الإدراك ثلاثي الأبعاد 
2.9.1 مطابقة الميزات بين الصور 
3.9.1 هندسة متعددة العرض 

10.1 الموقع على أساس الرؤية الافتراضية 

1.10.1 مشكلة تحديد موقع الروبوت 
2.10.1 قياس المسافة البصرية 
3.10.1 الانصهار الحسي 

الوحدة 2. أنظمة الإدراك البصري الروبوتية مع التعلم الآلي 

1.2 طرق التعلم غير الخاضعة للرقابة المطبقة على الرؤية الافتراضية 

1.1.2 Clustering 
2.1.2 PCA 
3.1.2 Nearest Neighbors 
4.1.2 Similarity and matrix decomposition 

2.2 طرق التعلم الخاضعة للإشراف المطبقة على الرؤية الافتراضية 

1.2.2 المفهوم "Bag of words” 
2.2.2 آلة دعم الشعاع الرياضي 
3.2.2 Latent Dirichlet Allocation 
4.2.2 الشبكات العصبية 

3.2 الشبكات العصبية العميقة: الهياكل , Backbones y Transfer Learning 

1.3.2 الطبقات التي تولد Features 

1.1.3.2 VGG 
2.1.3.2 Densenet 
3.1.3.2 ResNet 
4.1.3.2 Inception 
5.1.3.2 GoogLeNet 

2.3.2 Transfer Learning 
2.3.3. البيانات. التحضير للتدريب 

4.2 االرؤية الافتراضية مع التعلّم العميق I: الكشف والتجزئة 

1.4.2 الاختلافات والتشابهات بين YOLO وSSD 
2.4.2 Unet 
3.4.2 هياكل أخرى 

5.2 الرؤية الافتراضية مع التعلم العميق 2: Generative Adversarial Networks 

1.5.2 صورة فائقة الدقة باستخدام GAN 
2.5.2 إنشاء صور واقعية 
3.5.2 فهم المشهد 

6.2 تقنيات التعلم للتوطين ورسم الخرائط في الروبوتات المتنقلة 

1.6.2 كشف إغلاق الحلقة ونقلها 
2.6.2 Magic Leap. Super Point و Super Glue 
3.6.2 Depth from Monocular 

7.2 الاستدلال البايزي والنمذجة ثلاثية الأبعاد 

1.7.2 النماذج الافتراضية والتعلم "الكلاسيكي". 
2.7.2 الأسطح الضمنية مع العمليات الغوسية (GPIS) 
3.7.2 تجزئة ثلاثية الأبعاد باستخدام GPIS 
4.7.2 الشبكات العصبية لنمذجة الأسطح ثلاثية الأبعاد 

8.2 التطبيقات End-to-End للشبكات العصبية العميقة 

1.8.2 نظام End-to-End. مثال للتعرف على الأشخاص 
2.8.2 التعامل مع الأشياء باستخدام أجهزة الاستشعار البصرية 
3.8.2 توليد الحركات والتخطيط باستخدام أجهزة الاستشعار البصرية 

9.2 التقنيات السحابية لتسريع تطوير خوارزميات Deep Learning 

1.9.2 استخدام GPU في Deep Learning 
2.9.2 التطويرالسريع مع Google IColab 
3.9.2 GPUs عن بعد وGoogle Cloud وAWS 

10.2 نشر الشبكات العصبية في التطبيقات الحقيقية 

1.10.2 الأنظمة المضمنة 
2.10.2 نشر الشبكات العصبية. الاستخدام 
3.10.2 تحسينات الشبكة في النشر، على سبيل المثال مع TensorRT 

اغتنم الفرصة للتعرف على أحدث التطورات في هذه المادة لتطبيقها في ممارستك اليومية"