طوّر مهاراتك الأساسية في مجال الروبوتية والرؤية الحاسوبية من خلال التسجيل الآن في برنامج الماجستير المتقدم لجامعة TECH"

يعمل ظهور الروبوتية والرؤية الحاسوبية على تغيير المشهد التكنولوجي والاقتصادي والاجتماعي في جميع أنحاء العالم. أصبح التخصص في مجالات مثل رؤية الكمبيوتر أمرًا بالغ الأهمية للبقاء في المقدمة في هذا العصر من التقدم السريع والتغييرات التخريبية. يتطلب التفاعل المتزايد بين الآلات والبشر فضلاً عن الحاجة إلى معالجة المعلومات المرئية بكفاءة مهنيين مدربين تدريباً عالياً يمكنهم مواجهة هذه التحديات وقيادة الابتكار.

يقدم الماجستير المتقدم في الروبوتية والرؤية الحاسوبية تدريبًا شاملاً في هذه التخصصات الناشئة والتي تغطي موضوعات مثل الواقع المعزز والذكاء الاصطناعي ومعالجة المعلومات المرئية في الآلات من بين أمور أخرى. سيستفيد الطلاب من النهج النظري العملي والتعرف على أحدث التطورات في الروبوتات ورؤية الكمبيوتر وكيفية تطبيق هذه المعرفة في بيئات حقيقية.

بالإضافة إلى ذلك فإن البرنامج متاح عبر الإنترنت بنسبة 100٪ مما يسمح للطلاب بتكييف تعلمهم مع ظروفهم الشخصية والمهنية مما يسهل توافق تعليمهم مع مسؤولياتهم الخاصة. سيتمكن الطلاب من الوصول إلى مواد تعليمية عالية الجودة مثل ملخصات الفيديو والقراءات الأساسية ومقاطع الفيديو المتعمقة مما يوفر لهم رؤية عالمية للروبوتات ورؤية الآلة.

وبالتالي فإن الماجستير المتقدم في الروبوتية والرؤية الحاسوبية هو فرصة فريدة لعلماء الكمبيوتر الذين يسعون إلى تمييز أنفسهم في سوق عمل شديد التنافسية واكتساب مهارات متخصصة في مجال يتمتع بإمكانيات نمو كبيرة.

إتقان تقنيات الرؤية الاصطناعية وتصبح خبيرًا في تحليل الصور وأنظمة الرؤية ثلاثية الأبعاد"

تحتوي درجة الماجستير المتقدم في الروبوتية والرؤية الحاسوبية على البرنامج العلمي الأكثر اكتمالاً وحداثةً في السوق. ومن أبرز ميزاته:

تطوير الحالات العملية التي يقدمها خبراء في نظم المعلومات
محتوياتها الرسومية والتخطيطية والعملية البارزة التي يتم تصورها تجمع المعلومات العلمية للممارسة الصحية حول تلك التخصصات الأساسية ضمن الممارسة المهنية
التدريبات العملية حيث يتم إجراء عملية التقييم الذاتي لتحسين التعليم
تركيزها الخاص على المنهجيات المبتكرة في الروبوتية والرؤية الحاسوبية
دروس نظرية وأسئلة للخبراء ومنتديات مناقشة حول القضايا الخلافية وأعمال التفكير الفردي
توفر الوصول إلى المحتوى من أي جهاز ثابت أو محمول متصل إلى الإنترنت

اكتشف كيف يمكن تطبيق تكنولوجيا الروبوتات في مختلف المجالات مثل الطب واستكشاف الفضاء مما يعزز بشكل كبير عرض القيمة الخاص بك"

تضم في هيئة التدريس متخصصين ينتمون إلى مجال الحاسوب والذين يصبون خبراتهم العملية في هذا التدريب بالإضافة إلى متخصصين معترف بهم من مجتمعات رائدة وجامعات مرموقة.

بفضل محتوى الوسائط المتعددة المُعد بأحدث التقنيات التعليمية إلى التعلم المهني والسياقي أي في بيئة محاكاة التي ستوفرها هذه الشهادة الجامعية من تدريب ضمن مواقف حقيقية.

يركز تصميم هذا البرنامج على التعلم القائم على المشكلات الطالب يجب على المهني من خلاله محاولة حل الحالات المختلفة للممارسة المهنية التي تُطرَح على مدار هذا البرنامج. للقيام بذلك سيحصل على مساعدة من نظام جديد من مقاطع الفيديو التفاعلية التي أعدها خبراء معترف بهم.

عزز مشاريعك من خلال استكشاف تطبيقات الذكاء الاصطناعي والتعلم الآلي في الروبوتات"

عزز مهاراتك في خوارزميات التخطيط والتحكم لتطوير روبوتات ذكية وفعالة"

الماجستير المتقدم هذا في الروبوتية والرؤية الحاسوبية مصمم ببنية ومحتوى يضمنان تدريبًا شاملاً ومتخصصًا في هذا المجال. يتم تنفيذ البرنامج عبر عدة وحدات بدءًا من المفاهيم الأساسية والتقدم تدريجياً نحو مواضيع أكثر تعقيدًا وتخصصًا. ستتاح للطلاب الفرصة للتعلم حول تصميم وبرمجة وتحكم الروبوتات بالإضافة إلى خوارزميات الرؤية الاصطناعية وتقنيات التعلم الآلي.

قوِّي عمليتك التعليمية من خلال نهج يجمع بين التطبيق العملي والنظري مما سيمكّنك من التعامل مع تحديات حقيقية في عالم الروبوتيات"

الوحدة 1. الروبوتية. تصميم ونمذجة الروبوت

1.1    الروبوتيات وصناعة 4.0

1.1.1    الروبوتيات وصناعة 4.0
2.1.1    مجالات التطبيق وحالات الاستخدام
3.1.1    المجالات الفرعية للتخصص في مجال الروبوتيات

2.1    هيكليات الأجهزة والبرمجيات للروبوتات

1.2.1    هيكليات الأجهزة والزمن الحقيقي
2.2.1    هيكليات البرمجيات للروبوتات
3.2.1    نماذج الاتصال وتقنيات الوسيط (Middleware)
4.2.1    دمج البرمجيات مع نظام تشغيل الروبوت (ROS)

3.1    التصميم الرياضي للروبوتات

1.3.1    التمثيل الرياضي للأجسام الصلبة
2.3.1    الدوران والتحريك
3.3.1    التمثيل الهرمي للحالة
4.3.1    التمثيل الموزع للحالة في نظام تشغيل الروبوت (ROS) باستخدام مكتبة TF

4.1    المعادلات الحركية وديناميكي للروبوتات

1.4.1    المعادلات الحركية
2.4.1    ديناميكية
3.4.1    الروبوتات الغير مستندة
4.4.1    الروبوتات الزائدة

5.1    نمذجة الروبوتات والمحاكاة

1.5.1    تقنيات نمذجة الروبوتات
2.5.1    نمذجة الروبوتات باستخدام تنسيق URDF (تنسيق وصف الروبوت القياسي)
3.5.1    محاكاة الروبوتات
4.5.1    نمذجة باستخدام محاكي Gazebo

6.1    الروبوتات المناولة

1.6.1    أنواع الروبوتات المناولة
2.6.1    المعادلات الحركية
3.6.1    متحرك
4.6.1    المحاكاة

7.1    الروبوتات المتنقلة على الأرض

1.7.1    أنواع الروبوتات المتنقلة على الأرض
2.7.1    المعادلات الحركية
3.7.1    متحرك
4.7.1    المحاكاة

8.1    الروبوتات المتنقلة في الهواء

1.8.1    أنواع الروبوتات المتنقلة في الهواء
2.8.1    المعادلات الحركية
3.8.1    متحرك
8.8.1    المحاكاة

9.1    الروبوتات المتنقلة في الماء

1.9.1    أنواع الروبوتات المتنقلة في الماء
2.9.1    المعادلات الحركية
3.9.1    متحرك
4.9.1    المحاكاة

10.1    الروبوتات المستوحاة من الطبيعة

1.10.1    الروبوتات البشرية
2.10.1    الروبوتات ذات أربعة أو أكثر من أرجل
3.10.1    الروبوتات المكونة من وحدات قابلة للتعديل
4.10.1    الروبوتات ذات أجزاء مرنة (الروبوتات المرنة)

الوحدة 2. العملاء الأذكياء. تطبيق الذكاء الاصطناعي على الروبوتات و البرامج الحاسوبية

1.2    العملاء الأذكياء والذكاء الاصطناعي

1.1.2    الروبوتات الذكية. الذكاء الاصطناعي
2.1.2    العملاء الأذكياء

1.2.1.2 وكلاء أجهزة. الروبوتات
2.2.1.2 وكلاء البرمجيات. الروبوتات البرمجية 

3.1.2    تطبيقات في مجال الروبوتيات

2.2    اتصال الدماغ-الخوارزمية

1.2.2    الإلهام البيولوجي للذكاء الاصطناعي
2.2.2    التفكير المنفذ في الخوارزميات علم الأنواع
3.2.2    تفسير النتائج في خوارزميات الذكاء الاصطناعي
4.2.2    طور الخوارزميات حتى التعلم العميق

3.2    خوارزميات البحث في مساحة الحلول

1.3.2    العناصر في البحث في مساحة الحلول
2.3.2    خوارزميات البحث عن حلول في مشكلات الذكاء الاصطناعي
3.3.2    تطبيقات خوارزميات البحث والتحسين
4.3.2    خوارزميات البحث المُطبَّقة على التعلم الآلي

4.2    التعلم الالي

1.4.2    التعلم الالي
2.4.2    خوارزميات التعلم الإشرافي
3.4.2    خوارزميات التعلم الغير إشرافي
4.4.2    خوارزميات التعلم المعزز

5.2    التعلم الإشرافي

1.5.2    طُرق التعلم الإشرافي
2.5.2    أشجار القرار للتصنيف
3.5.2    دعم آلات النواقل
4.5.2    الشبكات العصبية الاصطناعية
5.5.2    تطبيقات التعلم تحت الإشراف

6.2    تعليم غير إشرافي

1.6.2    تعليم غير إشرافي
2.6.2    شبكات Kohonen
3.6.2    خرائط ذاتية التنظيم
4.6.2    K- يعني الخوارزمية

7.2    تعزيز التعلم

1.7.2    تعزيز التعلم
2.7.2    وكلاء على أساس عمليات Markov
3.7.2    خوارزميات التعلم المعزز
4.7.2    تطبيق التعلم المعزز على الروبوتات

8.2    الاستدلال الاحتمالي

1.8.2    الاستدلال الاحتمالي
2.8.2    أنواع الاستدلال وتعريف الطريقة
3.8.2    الاستدلال البايزي كدراسة حالة
4.8.2    تقنيات الاستدلال غير البارامترية
5.8.2    مرشحات جاوس

9.2    من النظرية إلى التطبيق: تطوير عامل ذكي آلي

1.9.2    تضمين وحدات التعلم الخاضع للإشراف في عامل آلي
2.9.2    إدراج وحدات التعلم المعزز في عامل آلي
3.9.2    هيكل عامل آلي يتحكم فيه الذكاء الاصطناعي
4.9.2    أدوات احترافية لتطبيق الوكيل الذكي
5.9.2    مراحل تنفيذ خوارزميات الذكاء الاصطناعي في العوامل الروبوتية

الوحدة 3. التعلم العميق

1.3    الذكاء الاصطناعي

1.1.3    التعلم الالي
2.1.3    التعلم العميق
3.1.3    ثورة التعلم العميق. لماذا الآن؟

2.3    شبكات عصبية

1.2.3    الشبكة العصبية
2.2.3    استخدامات الشبكات العصبية
3.2.3    الانحدار الخطي والإدراك
4.2.3    الانتشار الأمامي
5.2.3    الانتشار الخلفي
6.2.3    نواقل الميزات

3.3    انقطاع الوظيفة

1.3.3    انقطاع الوظيفة
2.3.3    أنواع انقطاع الوظيفة
3.3.3    خيارات ل انقطاع الوظيفة

4.3    وظائف التفعيل

1.4.3    وظيفة التفعيل
2.4.3    وظائف خطية
3.4.3    وظيفة خطية
4.4.3    الناتج ضد وظائف تنشيط الطبقة المخفية

5.3    التنظيم والتطبيع

1.5.3    التنظيم والتطبيع
2.5.3    فرط التجهيز وزيادة البياناتفرط التجهيز وزيادة البيانات
3.5.3    طرق التنظيم: L1, L2 و التخفيف
4.5.3    أساليب التوحيد دُفعة (Batch)، الوزن (Weight)، الطبقة (Layer)

6.3    تحسين

1.6.3    انحدار التدرج
2.6.3    انحدار التدرج العشوائي
3.6.3    انحدار التدرج بالدُفعات الصغيرة
4.6.3    الزخم 
5.6.3    التقدير المؤمن المُكيف 

7.3    ضبط المعلمات الفوقية والأوزان

1.7.3    المعلمات الفوقية
2.7.3    حجم الدُفعة ضد. معدل التعلم ضد. تراجع الخطوة
3.7.3    الثقل

8.3    مقاييس تقييم الشبكة العصبية

1.8.3    الدقة
2.8.3    معامل الدايس
3.8.3    الحساسية ضد. التخصصية ضد. الدقة
4.8.3    منطقة تحت المنحنى
5.8.3    نتيجة -F1
6.8.3    تشويش المصفوفة
7.8.3    التقسيم المتقاطع 

9.3    إطار العمل و العتاد

1.9.3    موتر التدفق
2.9.3    Pytorch
3.9.3    Caffe
4.9.3    Keras
5.9.3    العتاد لمرحلة التدريب

10.3    إنشاء شبكة عصبية - التدريب والتحقق

1.10.3    مجموعة البيانات
2.10.3    البناء ضمن الشبكة
3.10.3    التدريب
4.10.3    تصور النتائج

الوحدة 4. الروبوتات في أتمتة العمليات الصناعية

1.4    تصميم الأنظمة الآلية

1.1.4    هندسة الأجهزة المعمارية
2.1.4    وحدات التحكم المنطقية القابلة للبرمجة
3.1.4    شبكات الاتصالات الصناعية

2.4    التصميم الكهربائي المتقدم 1: الأتمتة

1.2.4    تصميم اللوحات والرموز الكهربائية
2.2.4    دوائر الطاقة والتحكم. التوافقيات
3.2.4    عناصر الحماية والتأريض

3.4    التصميم الكهربائي المتقدم II: الحتمية والسلامة

1.3.4    سلامة الماكينة والتكرارية
2.3.4    مرحلات السلامة والمشغلات
3.3.4    سلامة PLCs
4.3.4    شبكات آمنة

4.4    التحكم الكهربائي 

1.4.4    محركات ومحركات تجميعية
2.4.4    متحكمو التردد والتحكم
3.4.4    الروبوتات الصناعية ذات التحكم الكهربائي

5.4    التحكم بالهواء والزيت (الهيدروليكي والهوائي)

1.5.4    تصميم هيدروليكي ورموزه
2.5.4    تصميم هوائي ورموزه
3.5.4    البيئات ATEX في التحكم الآلي

6.4    محولات القياس في الروبوتيات والأتمتة

1.6.4    قياس الموقع والسرعة
2.6.4    قياس القوة والحرارة
3.6.4    مقياس الوجود
4.6.4    مجسات الرؤية

7.4    برمجة وتكوين وحدات التحكم المنطقية القابلة للبرمجة PLCs

1.7.4    برمجة PLC: LD
2.7.4    برمجة PLC: ST
3.7.4    برمجة PLC: FBD و CFC
4.7.4    برمجة PLC: SFC

8.4    برمجة وتكوين المعدات في المنشآت الصناعية

1.8.4    برمجة المحركات وأجهزة التحكم
2.8.4    برمجة HMI
3.8.4    برمجة أجهزة الروبوت

9.4    برمجة وتهيئة أجهزة الكمبيوتر الصناعية

1.9.4    برمجة أنظمة الرؤية
2.9.4    SCADA / برمجة البرمجيات
3.9.4    تكوين شبكة

10.4    تنفيذ الأتمتة

1.10.4    تصميم آليات الحالة
2.10.4    تنفيذ آليات الحالة في وحدات التحكم القابلة للبرمجة (PLCs)
3.10.4    تنفيذ أنظمة التحكم التناسبي التكاملي الإشتقاقي (PID) التناظرية في وحدات التحكم القابلة للبرمجة (PLCs)
4.10.4    صيانة الأتمتة وتنظيف الشيفرة
5.10.4    محاكاة الأتمتة والمنشآت

الوحدة 5. أنظمة التحكم الآلي في الروبوتات

1.5    تحليل وتصميم النظم اللاخطية

1.1.5    تحليل ونمذجة الأنظمة اللاخطية
2.1.5    السيطرة مع ردود الفعل
3.1.5    التغذية الراجعة الخطية

2.5    تصميم تقنيات التحكم للأنظمة غير الخطية المتقدمة

1.2.5    التحكم في وضع الانزلاق (التحكم في وضع الانزلاق)
2.2.5    التحكم الذي يعتمد على Lyapunov و Backstepping
3.2.5    السيطرة القائمة على السلبية

3.5    هياكل التحكم

1.3.5    نموذج الروبوتات
2.3.5    هياكل التحكم
3.3.5    تطبيقات وأمثلة على معماريات التحكم

4.5    التحكم في الحركة للأذرع الروبوتية

1.4.5    النمذجة الحركية والديناميكية
2.4.5    السيطرة في مساحة المفصل
3.4.5    التحكم في مساحة العمليات

5.5    قوة السيطرة على المحركات

1.5.5    السيطرة على القوة
2.5.5    التحكم في المعاوقة
3.5.5    تحكم هجين

6.5    الروبوتات المتنقلة على الأرض

1.6.5    معادلات الحركة
2.6.5    تقنيات التحكم في الروبوتات الأرضية
3.6.5    المناولة المتنقلة

7.5    الروبوتات المتنقلة في الهواء

1.7.5    معادلات الحركة
2.7.5    تقنيات التحكم في الروبوتات الجوية
3.7.5    المناولة الجوية

8.5    التحكم باستخدام تقنيات التعلم الآلي

1.8.5    التحكم من خلال التعلم الخاضع للإشراف
2.8.5    السيطرة من خلال التعلم المعزز
3.8.5    السيطرة من خلال التعلم غير الخاضع للإشراف

9.5    التحكم القائم على الرؤية

1.9.5    المؤازرة المرئية القائمة على الموقف
2.9.5    المؤازرة المرئية القائمة على الصور
3.9.5    المؤازرة المرئية الهجينة

10.5    السيطرة التنبؤية

1.10.5    النماذج وتقدير الحالة
2.10.5    تطبيق MPC على Mobile Robots
3.10.5    تطبيق MPC على الطائرات بدون طيار

الوحدة 6. خوارزميات تخطيط الروبوت

1.6    خوارزميات الجدولة الكلاسيكية

1.1.6    الجدولة المنفصلة: مساحة الحالة
2.1.6    مشاكل التخطيط في الروبوتات. نماذج الأنظمة الروبوتية
3.1.6    ترتيب المخطط

2.6    مشكلة تخطيط المسار في الروبوتات المتنقلة

1.2.6    طرق تمثيل البيئة: الرسوم البيانية
2.2.6    خوارزميات البحث عن الرسم البياني
3.2.6    إدخال التكاليف في الشبكات
4.2.6    خوارزميات البحث في الرسوم البيانية الثقيلة
5.2.6    خوارزميات مع التركيز من أي زاوية

3.6    التخطيط في الأنظمة الروبوتية عالية الأبعاد

1.3.6    مشاكل الروبوتات عالية الأبعاد: المناولة 
2.3.6    نموذج حركي أمامي / عكسي
3.3.6    خوارزميات تخطيط أخذ العينات PRM و RRT
4.3.6    التخطيط للقيود الديناميكية

4.6    التخطيط الأمثل لأخذ العينات

1.4.6    مشاكل مع المخططين على أساس أخذ العينات
2.4.6    RRT * مفهوم التفاؤل الاحتمالي
3.4.6    خطوة إعادة الاتصال: القيود الديناميكية
4.4.6    تقنيات وأدوات تحليل البيانات CForest. التخطيط الموازي

5.6    التنفيذ الفعلي لنظام تخطيط الحركة

1.5.6    مشكلة التخطيط العالمي. البيئات الديناميكية
2.5.6    دورة العمل، الاستشعار. الحصول على المعلومات من البيئة
3.5.6    التخطيط المحلي والعالمي

6.6    التنسيق في أنظمة الروبوتات المتعددة I: نظام مركزي

1.6.6    مشكلة تنسيق الروبوتات المتعددة
2.6.6    كشف الاصطدامات وحلها: تعديل المسارات باستخدام الخوارزميات الجينية
3.6.6    خوارزميات أخرى مستوحاة من الحياة: سرب الجسيمات والألعاب النارية
4.6.6    خوارزمية تجنب الاصطدام اختيار المناورة

7.6    التنسيق في أنظمة الروبوتات المتعددة II: المناهج الموزعة I

1.7.6    استخدام وظائف موضوعية معقدة
2.7.6    جبهة باريتو
3.7.6    خوارزميات تطورية متعددة الأهداف

8.6    التنسيق في أنظمة الروبوتات المتعددة III: المقاربات الموزعة II

1.8.6    أنظمة تخطيط الطلبات 1
2.8.6    خوارزمية ORCA
3.8.6    تمت إضافة قيود حركية وديناميكية في ORCA

9.6    نظرية تخطيط القرار

1.9.6    نظرية القرار
2.9.6    أنظمة القرار المتسلسلة
3.9.6    أجهزة الاستشعار ومساحات المعلومات
4.9.6    التخطيط في مواجهة عدم اليقين في الاستشعار والعمل

10.6    نظم تخطيط التعلم المعزز

1.10.6    الحصول على المكافأة المتوقعة لنظام ما
2.10.6    تقنيات تعلم المكافأة
3.10.6    التعلم المعزز العكسي

الوحدة 7. رؤية اصطناعية

1.7    الإدراك الإنساني

1.1.7    النظام البصري البشري
2.1.7    اللون
3.1.7    الترددات المرئية وغير المرئية

2.7    وقائع الرؤية الاصطناعية

1.2.7    المبادئ
2.2.7    التطور
3.2.7    أهمية رؤية الآلة

3.7    تكوين الصور الرقمية

1.3.7    الصورة الرقمية
2.3.7    أنواع الصور
3.3.7    مساحات اللون
4.3.7    RGB
5.3.7    HSV و HSL
6.3.7    CMY-CMYK
7.3.7    YCbCr
8.3.7    صورة مفهرسة

4.7    أنظمة التصوير

1.4.7    تشغيل كاميرا رقمية
2.4.7    التعريض المناسب لكل حالة
3.4.7    عمق الميدان
4.4.7    الحل
5.4.7    تنسيقات الصور
6.4.7    وضع HDR
7.4.7    كاميرات عالية الدقة
8.4.7    كاميرات عالية السرعة

5.7    الأنظمة الضوئية

1.5.7    المبادئ البصرية
2.5.7    الأهداف التقليدية
3.5.7    أهداف المركزية
4.5.7    أنواع الضبط التلقائي للصورة
5.5.7    المسافة البؤرية
6.5.7    عمق الميدان
7.5.7    التشويه البصري
8.5.7    معايرة الصورة

6.7    أنظمة الإضاءة

1.6.7    أهمية الإضاءة
2.6.7    استجابة التردد
3.6.7    الإنارة بالصمام المضيء
4.6.7    إضاءة خارجية
5.6.7    أنواع الإضاءة للتطبيقات الصناعية. تأثيرات

7.7    أنظمة الالتقاط ثلاثية الأبعاد

1.7.7    رؤية ستيريو
2.7.7    التثليث
3.7.7    ضوء منظم
4.7.7    وقت الطيران
5.7.7    نظام استشعار Lidar

8.7    متعدد الطيف

1.8.7    كاميرات متعددة الأطياف
2.8.7    الكاميرات الفائقة الطيفية

9.7    الطيف القريب غير مرئي

1.9.7    كاميرات الأشعة تحت الحمراء
2.9.7    كاميرات الأشعة فوق البنفسجية
3.9.7    تحويل من غير مرئي إلى مرئي بفضل الإضاءة

10.7    نطاقات الطيف الأخرى

1.10.7    الأشعة السينية
2.10.7    التيراهيرتز

الوحدة 8. التطبيقات وأحدث ما توصلت إليه التقنية

1.8    تطبيقات صناعية

1.1.8    مكتبات الرؤية الصناعية
2.1.8    الكاميرات المدمجة
3.1.8    أنظمة قائمة على الكمبيوتر
4.1.8    الروبوتات الصناعية
5.1.8    انتقاء ووضع 2D
6.1.8    الأنظمة الروبوتية: تحميل الأشياء من الصندوق Bin picking
7.1.8    التحكم بالجودة
8.1.8    وجود غياب العناصر
9.1.8    التحكم في الأبعاد
10.1.8    وضع علامات التحكم
11.1.8    التتبع

2.8    المركبات ذاتية القيادة

1.2.8    مساعدة السائق
2.2.8    القيادة الذاتية

3.8    رؤية اصطناعية لتحليل المحتوى

1.3.8    تصفية حسب المحتوى
2.3.8    الإشراف على المحتوى المرئي
3.3.8    أنظمة التتبع
4.3.8    تحديد العلامات التجارية والشعارات
5.3.8    وضع علامات على الفيديو وتصنيفه
6.3.8    كشف تغيير المشهد
7.3.8    استخراج النصوص أو الاعتمادات

4.8    التطبيقات الطبية

1.4.8    كشف وتوطين الأمراض
2.4.8    تحليل السرطان والأشعة السينية
3.4.8    التطورات في الرؤية الاصطناعية في ظل فيروس كورونا Covid-19
4.4.8    المساعدة في غرفة العمليات

5.8    تطبيقات الفضاء

1.5.8    تحليل صور الأقمار الصناعية
2.5.8    رؤية اصطناعية لدراسة الفضاء
3.5.8    المهمة إلى المريخ

6.8    تطبيقات تجارية

1.6.8    مراقبة المخزون
2.6.8    المراقبة بالفيديو وأمن المنازل
3.6.8    كاميرات وقوف السيارات
4.6.8    كاميرات مراقبة السكان
5.6.8    كاميرات السرعة

7.8    تطبيق الرؤية على الروبوتات

1.7.8    طائرات بدون طيار
2.7.8    AGV
3.7.8    الرؤية في الروبوتات التعاونية
4.7.8    عيون الروبوت

8.8    الواقع المعزز

1.8.8    تسيير
2.8.8    الأجهزة
3.8.8    تطبيقات الصناعة
4.8.8    تطبيقات تجارية

9.8    حوسبة سحابية

1.9.8    منصات الحوسبة السحابية (Cloud computing)
2.9.8    من الحوسبة السحابية (Cloud computing) إلى الإنتاج

10.8    البحث وحالة الفن

1.10.8    المجتمع العلمي
2.10.8    ما هو الطهي؟
3.10.8    مستقبل الرؤية الاصطناعية

الوحدة 9. تقنيات الرؤية الاصطناعية في الروبوتات: معالجة الصور وتحليلها

1.9    الرؤية الحاسوبية

1.1.9    الرؤية الحاسوبية
2.1.9    عناصر نظام الرؤية الحاسوبية
3.1.9    أدوات الرياضيات

2.9    مجسات بصرية للروبوتات

1.2.9    أجهزة استشعار بصرية سلبية
2.2.9    أجهزة استشعار بصرية نشطة
3.2.9    مجسات غير بصرية

3.9    الحصول على الصور

1.3.9    عرض الصورة
2.3.9    مساحة اللون
3.3.9    عملية الرقمنة

4.9    هندسة الصور

1.4.9    نماذج العدسات
2.4.9    نماذج الكاميرا
3.4.9    معايرة الكاميرا

5.9    أدوات الرياضيات

1.5.9    الرسم البياني للصورة
2.5.9    الالتواء
3.5.9    تحويل فورييه

6.9    معالجة الصور

1.6.9    تحليل الضوضاء
2.6.9    تجانس الصورة
3.6.9    تحسين الصورة

7.9    تقطيع الصورة

1.7.9    التقنيات القائمة على الكونتور
2.7.9    التقنيات القائمة على الرسم البياني
3.7.9    العمليات المورفولوجية

8.9    كشف المعالم في الصورة

1.8.9    الكشف عن نقاط الاهتمام
2.8.9    واصفات الميزات
3.8.9    المراسلات بين الميزات

9.9    أنظمة رؤية ثلاثي الأبعاد

1.9.9    تصور ثلاثي الأبعاد
2.9.9    تطابق الميزات بين الصور
3.9.9    هندسة العرض المتعدد

10.9    الموقع الذي يعتمد على الرؤية الاصطناعية

1.10.9    مشكلة توطين الروبوت
2.10.9    قياس المسافات البصرية
3.10.9    الاندماج الحسي

الوحدة 10. أنظمة الإدراك البصري لروبوتات التعلم الآلي

1.10    طرق التعلم غير الخاضعة للرقابة المطبقة على رؤية الكمبيوتر

1.1.10    التجمع
2.1.10    تحليل المكونات الرئيسية PCA
3.1.10    الجيران الأقرباء في سياق الحاسوب
4.1.10    التشابه وتحليل المصفوفات

2.10    طرق التعلم الخاضعة للرقابة المطبقة على رؤية الكمبيوتر

1.2.10    مصطلح"Bag of words حقيبة من الكلمات"
2.2.10    دعم آلات النواقل
3.2.10    نموذج معالجة وتحليل النصوص (LDA) 
4.2.10    شبكات عصبونية

3.10    الشبكات العصبية العميقة والتراكيب والهيكل الأساسي و نقل المعرفة

1.3.10    طبقات مُنتَجة للمميزات

1.1.3.10 معالجة الصور والرؤية الحاسوبية VGG
2.1.3.10 نموذج شبكات عصبية عميقة في مجال معالجة الصور 
3.1.3.10 شبكة عصبية عميقة للبيانات 
4.1.3.10 سلسلة من النماذج المعمارية للشبكات
5.1.3.10 الشبكات العصبية العميقة GoogLeNet

2.3.10    نقل التعلم
3.3.10    البيانات. التحضير للتدريب

4.10    رؤية الآلة مع التعلم العميق I: الكشف والتجزئة

1.4.10    الاختلافات والتشابهات بين YOLO و SSD
2.4.10    نموذج شبكة عصبية عميق في مجال معالجة الصور والرؤية الحاسوبية Unet
3.4.10    هياكل أخرى

5.10    رؤية الآلة مع التعلم العميق II: شبكات الخصومة التوليدية

1.5.10    دقة الصورة الفائقة باستخدام GAN
2.5.10    خلق صور واقعية
3.5.10    استيعاب المشهد

6.10    تقنيات التعلم للتحديد والتصوير في الروبوتات المتنقلة

1.6.10    كشف إغلاق الحلقة وإعادة التموضع
2.6.10    شركة Magic Leap في مجال الواقع المعزز وتقنيات الواقع المختلط تقنيات معالجة استخراج نقاط الرؤية الحاسوبية" Super Point و Super Glue"
3.6.10    إمكانية حساب عمق الأشياء في صورة أو فيديو 

7.10    الاستدلال البايزي والنمذجة ثلاثية الأبعاد

1.7.10    نماذج بايزي والتعلم"الكلاسيكي"
2.7.10    الأسطح الضمنية مع العمليات الغوسية (GPIS)
3.7.10    تجزئة ثلاثية الأبعاد باستخدام GPIS
4.7.10    الشبكات العصبية لنمذجة السطح ثلاثي الأبعاد

8.10    التطبيقات الشاملة End-to-End للشبكات العصبية العميقة

1.8.10    نظام end-to-end. مثال لتحديد هوية الأشخاص
2.8.10    التلاعب بالأشياء بأجهزة استشعار بصرية
3.8.10    توليد الحركات والتخطيط بأجهزة استشعار بصرية

9.10    تقنيات السحابة لتسريع تطوير خوارزميات التعلم العميق

1.9.10    استخدام وحدات معالجة الرسوميات GPU في التعلم العميق
2.9.10     منهجية لتطوير البرمجيات المرنة مع Google IColab
3.9.10    استخدام وحدات معالجة الرسوميات (GPUs) في السحابة، خدمة الحوسبة السحابية (Cloud computing) Google Cloud، خدمة الحوسبة السحابية (Cloud computing) المقدمة من Amazon

10.10    عملية دمج واستخدام نماذج الشبكات العصبية

1.10.10    الأنظمة المدمجة
2.10.10    انتشار الشبكات العصبية. استخدام
3.10.10    تحسينات الشبكة في النشر، على سبيل المثال مع TensorRT

الوحدة 11. SLAM المرئية. موقع الروبوتات ورسم الخرائط المتزامنة بتقنيات الرؤية الاصطناعية

1.11    التموضع لتحديد موقع الجهاز ورسم الخرائط (SLAM)

1.1.11    التموضع لتحديد موقع الجهاز ورسم الخرائط. التموضع لتحديد موقع الجهاز ورسم الخرائط (SLAM)
2.1.11    تطبيقات SLAM
3.1.11    عملية SLAM

2.11    الهندسة الإسقاطية

1.2.11    نموذج Pin-Hole
2.2.11    تقدير المعلمات الجوهرية للكاميرا
3.2.11    هوموغرافيا والمبادئ الأساسية والتقدير
4.2.11    المصفوفة الأساسية والمبادئ والتقدير

3.11    مرشحات جاوس

1.3.11    مرشح Kalman
2.3.11    مرشح المعلومات
3.3.11    الضبط والمعلمات لمرشحات جاوس

4.11    ستيريو EKF-SLAM

1.4.11    هندسة غرفة الاستريو
2.4.11    ميزة الاستخراج والبحث
3.4.11    مرشح كالمان للاستريو SLAM
4.4.11    تعديل معلمة ستيريو"EKF-SLAM"

5.11    منظار أحادي العين"EKF-SLAM"

1.5.11    تحديد معلمات النقاط البارزة في EKF-SLAM
2.5.11    مرشح كالمان ل SLAM أحادي
3.5.11    تعديل معلمات أحادي العين"EKF-SLAM"

6.11    الكشف عن إغلاق الحلقة

1.6.11    خوارزمية القوة الغاشمة
2.6.11    خوارزمية بناء خرائط البيئة"FABMAP"
3.6.11    الاستخراج باستخدام GIST و HOG
4.6.11    كشف التعلم العميق

7.11    التموضع لتحديد موقع الجهاز ورسم الخرائط الرسمي Graph-SLAM

1.7.11    التموضع لتحديد موقع الجهاز ورسم الخرائطالرسمي
2.7.11    التموضع لتحديد موقع الجهاز ورسم الخرائط بمكونات اللون RGBD-SLAM
3.7.11    التموضع لتحديد موقع الجهاز ورسم الخرائط بمطابقة النقاط البارزة ORB-SLAM

8.11    البصري المباشر ل SLAM 

1.8.11    تحليل خوارزمية البصري المباشر ل SLAM
2.8.11    التموضع لتحديد موقع الجهاز ورسم الخرائط بطريقة التصوير ثلاثي الأبعاد للروبوتات LSD-SLAM
3.8.11    تحديد الحركة الروبوتية البصرية النصفية"SVO"

9.11    الحركة والتسارع ل SLAM

1.9.11    تكامل القياسات بالقصور الذاتي
2.9.11    اقتران منخفض: التموضع لتحديد موقع الجهاز ورسم الخرائط بطريقة مرنة وملائمة SOFT-SLAM
3.9.11    اقتران عالي: نظام تحديد الموقع والتصوير ثلاثي الأبعاد و الاستشعار الخامل Vins-Mono

10.11    تقنيات SLAM الأخرى

1.10.11    تطبيقات خارج نطاق SLAM المرئي
2.10.11    التموضع لتحديد موقع الجهاز ورسم الخرائط باستخدام معلومات الليدار Lidar-SLAM
3.10.11    SLAM التقليدي

الوحدة 12. التطبيق على الروبوتات لتقنيات الواقع الافتراضي والواقع المعزز

1.12    تقنيات الغمر في الروبوتيات

1.1.12    الواقع الافتراضي في الروبوتات
2.1.12    الواقع المعزز في الروبوتات
3.1.12    الواقع المختلط في الروبوتات
4.1.12    الفرق بين الواقع

2.12    بناء البيئات الافتراضية

1.2.12    المواد والقوام
2.2.12    الإضاءة
3.2.12    صوت ورائحة افتراضيتان

3.12    نمذجة الروبوت في البيئات الافتراضية

1.3.12    النمذجة الهندسية
2.3.12    النمذجة المادية
3.3.12    توحيد النموذج

4.12    النمذجة الديناميكية والحركية للروبوتات: محركات فيزيائية افتراضية

1.4.12    المحركات المادية. علم الأنواع
2.4.12    تكوين محرك الفيزياء
3.4.12    المحركات المادية في الصناعة

5.12    المنصات والأجهزة الطرفية والأدوات الأكثر استخدامًا في الواقع الافتراضي

1.5.12    مشاهدو الواقع الافتراضي
2.5.12    أطراف التفاعل
3.5.12    أجهزة استشعار افتراضية

6.12    أنظمة الواقع المعزز

1.6.12    إدراج العناصر الافتراضية في الواقع
2.6.12    أنواع العلامات المرئية
3.6.12    التقنيات الواقع المعزز

7.12    العوالم الافتراضية Metaverso: البيئات الافتراضية للوكلاء الأذكياء والأشخاص

1.7.12    إنشاء الأفاتارات
2.7.12    وكلاء أذكياء في بيئات افتراضية
3.7.12    بناء بيئات متعددة المستخدمين للواقع الافتراضي / الواقع المعزز

8.12    إنشاء مشاريع الواقع الافتراضي للروبوتات

1.8.12    مراحل تطوير مشروع الواقع الافتراضي
2.8.12    انتشار أنظمة الواقع الافتراضي
3.8.12    موارد الواقع الافتراضي

9.12    إنشاء مشاريع الواقع المعزز للروبوتات

1.9.12    مراحل تطوير مشروع الواقع المعزز
2.9.12    مراحل تطوير مشروع الواقع المعزز
3.9.12    موارد الواقع المعزز

10.12    العمليات عن بعد للروبوتات مع الأجهزة المحمولة

1.10.12    واقع مختلط على الهاتف المحمول
2.10.12    أنظمة غامرة باستخدام مستشعرات الأجهزة المحمولة
3.10.12    أمثلة على مشاريع المحمول

الوحدة 13. نظم الاتصال والتفاعل مع الروبوتات

1.13    التعرف على الكلام: الأنظمة العشوائية

1.1.13    النمذجة الصوتية للكلام
2.1.13    نماذج ماركوف المخفية
3.1.13    النمذجة اللغوية للكلام: N- جرام، BNF نحوي

2.13    التعرف على الكلام: التعلم العميق

1.2.13    الشبكات العصبية العميقة
2.2.13    الشبكات العصبية المتكررة
3.2.13    خلايا LSTM

3.13    التعرف على الكلام: الآثار البيئية والعروض

1.3.13    الضوضاء المحيطة
2.3.13    التعرف على مكبرات الصوت المتعددة
3.3.13    أمراض النطق

4.13    فهم اللغة الطبيعية: الأنظمة الاستكشافية والاحتمالية

1.4.13    التحليل النحوي الدلالي: القواعد اللغوية
2.4.13    ارشاد التفاهم القائم على القواعد
3.4.13    الأنظمة الاحتمالية: الانحدار اللوجستي و SVM
4.4.13    الفهم على أساس الشبكات العصبية

5.13    إدارة الحوار: استراتيجيات الكشف عن مجريات الأمور / الاحتمالية

1.5.13    نية المتحدث
2.5.13    الحوار القائم على القالب
3.5.13    إدارة الحوار العشوائي: شبكات بايزي

6.13    إدارة الحوار: الإستراتيجيات المتقدمة

1.6.13    أنظمة التعلم المعزز
2.6.13    أنظمة تعتمد على الشبكات العصبية
3.6.13    من الكلام إلى النية في شبكة واحدة

7.13    توليد الاستجابة وتوليف الكلام

1.7.13    توليد الاستجابة: من الفكرة إلى النص المترابط
2.7.13    تخليق الكلام بالتسلسل
3.7.13    تخليق الكلام العشوائي

8.13    تكييف الحوار ووضعه في سياقه

1.8.13    مبادرة الحوار
2.8.13    التكيف مع المذيع
3.8.13    التكيف مع سياق الحوار

9.13    الروبوتات والتفاعلات الاجتماعية: التعرف على العواطف والتوليف والتعبير عنها

1.9.13    نماذج الصوت الاصطناعي: صوت آلي وصوت طبيعي
2.9.13    التعرف على المشاعر وتحليل المشاعر
3.9.13    تركيب الصوت العاطفي

10.13    الروبوتات والتفاعلات الاجتماعية: واجهات متقدمة متعددة الوسائط

1.10.13    مزيج من الصوت والواجهات اللمسية
2.10.13    التعرف على لغة الإشارة وترجمتها
3.10.13    الصور الرمزية المرئية: الترجمة الصوتية إلى لغة الإشارة

الوحدة 14. معالجة الصور الرقمية

1.14    بيئة تطوير الرؤية الحاسوبية

1.1.14    مكتبات رؤية الكمبيوتر
2.1.14    بيئة البرمجة
3.1.14    أدوات التصور

2.14    معالجة الصور الرقمية

1.2.14    علاقات البكسل
2.2.14    عمليات الصورة
3.2.14    التحولات الهندسية

3.14    عمليات البكسل

1.3.14    الرسم البياني
2.3.14    التحولات من الرسم البياني
3.3.14    عمليات على الصور الملونة

4.14    العمليات المنطقية والحسابية

1.4.14    جمع وطرح
2.4.14    ضرب وقسمة
3.4.14    And/Nand
4.4.14    Or/Nor
5.4.14    Xor/Xnor

5.14    المرشحات

1.5.14    الأقنعة والالتفاف
2.5.14    التصفية الخطية
3.5.14    التصفية غير الخطية
4.5.14    تحليل فورييه

6.14    العمليات المورفولوجية

1.6.14    تآكل وتمدد
2.6.14    الختام والافتتاح
3.6.14    قبعة علوية و قبعة سوداء
4.6.14    الكشف عن الملامح
5.6.14    الهيكل
6.6.14    حشو الثقب
7.6.14    هيكل محدب

7.14    أدوات تحليل الصور

1.7.14    كشف الحد
2.7.14    الكشف عن النقاط
3.7.14    التحكم في الأبعاد
4.7.14    فحص اللون

8.14    تجزئة الكائن

1.8.14    تقطيع الصورة
2.8.14    تقنيات التجزئة الكلاسيكية
3.8.14    تطبيقات حقيقية

9.14    معايرة الصور

1.9.14    معايرة الصورة
2.9.14    طرق المعايرة
3.9.14    عملية المعايرة في نظام كاميرا / روبوت ثنائي الأبعاد

10.14    معالجة الصور في بيئة حقيقية

1.10.14    تحليل المشكلة
2.10.14    معالجة الصورة
3.10.14    ميزة استخراج
4.10.14    النتائج النهائية

الوحدة 15. معالجة الصور الرقمية المتقدمة

1.15    التعرف البصري على الأحرف (OCR)

1.1.15    معالجة الصور
2.1.15    كشف النص
3.1.15    التعرف على النص

2.15    قراءة الكود

1.2.15    رموز 1D
2.2.15    رموز 2D
3.2.15    التطبيقات

3.15    البحث عن الأنماط

1.3.15    البحث عن الأنماط
2.3.15    أنماط على أساس المستوى الرمادي
3.3.15    الأنماط المستندة إلى الملامح
4.3.15    أنماط تعتمد على الأشكال الهندسية
5.3.15    تقنيات أخرى

4.15    تتبع الأشياء مع الرؤية التقليدية

1.4.15    استخراج الخلفية
2.4.15    الانتقال المتوسط
3.4.15    التتبع التلقائي
4.4.15    معالجة الصور والرؤية الحاسوبية

5.15    التعرف على الوجه

1.5.15    كشف معالم الوجه
2.5.15    التطبيقات
3.5.15    التعرف على الوجه
4.5.15    التعرف على المشاعر

6.15    نظرة عامة والتشكيلات

1.6.15    عملية دمج الصور
2.6.15    تكوين الصور
3.6.15    تركيب الصورة

7.15    نطاق ديناميكي عالي (HDR) وستيريو ضوئي

1.7.15    زيادة النطاق الديناميكي
2.7.15    تكوين الصور لتحسين ملامح
3.7.15    تقنيات استخدام التطبيقات الديناميكية

8.15    ضغط الصور

1.8.15    ضغط الصور
2.8.15    أنواع الضواغط
3.8.15    تقنيات ضغط الصور

9.15    معالجة الفيديو

1.9.15    تسلسل الصور
2.9.15    تنسيقات الفيديو وبرامج الترميز
3.9.15    قراءة مقطع فيديو
4.9.15    معالجة الإطار

10.15    التطبيق الحقيقي لمعالجة الصور

1.10.15    تحليل المشكلة
2.10.15    معالجة الصورة
3.10.15    ميزة استخراج
4.10.15    النتائج النهائية

الوحدة 16. معالجة الصور ثلاثية الأبعاد

1.16    صورة ثلاثية الأبعاد

1.1.16    صورة ثلاثية الأبعاد
2.1.16    برامج معالجة الصور ثلاثية الأبعاد والتصورات
3.1.16    برامج القياس

2.16    الفتح الثلاثي الأبعاد

1.2.16    مكتبة لمعالجة البيانات ثلاثية الأبعاد
2.2.16    الخصائص
3.2.16    التثبيت والاستخدام

3.16    البيانات

1.3.16    خرائط العمق في صورة ثنائية الأبعاد
2.3.16    سحب النقاط
3.3.16    الطبيعي
4.3.16    الأسطح

4.16    العرض

1.4.16    عرض مرئي للمعلومات
2.4.16    ضوابط
3.4.16    تصور الويب

5.16    المرشحات

1.5.16    المسافة بين النقاط وإزالة القيم المتطرفة
2.5.16    مرشح تمرير عالي
3.5.16    الاختزال

6.16    الهندسة واستخراج الميزات

1.6.16    استخراج ملف تعريف
2.6.16    قياس العمق
3.6.16    الحجم
4.6.16    أشكال هندسية ثلاثية الأبعاد
5.6.16    المخططات
6.6.16    إسقاط على نقطة واحدة
7.6.16    مسافات الانحدار
8.6.16    شجرة Kd 
9.6.16    ميزات ثلاثية الأبعاد

7.16    التسجيل و التشابك

1.7.16    التسلسل
2.7.16    ICP
3.7.16    رانساك ثلاثي الأبعاد

8.16    التعرف على الكائنات ثلاثية الأبعاد

1.8.16    البحث عن عنصر في المشهد ثلاثي الأبعاد
2.8.16    تجزئة
3.8.16    الأنظمة الروبوتية: تحميل الأشياء من الصندوق Bin picking

9.16    التحليل السطحي

1.9.16    التجانس
2.9.16    أسطح قابلة للتعديل
3.9.16    ثلاث مرات

10.16    التثليث

1.10.16    من الشبكة إلى النقطة السحابية
2.10.16    تثليث خريطة العمق
3.10.16    تثليث النقطة السحابية الغير مرتبة

الوحدة 17. الشبكات التلافيفية وتصنيف الصور

1.17    الشبكات العصبية التلافيفية

1.1.17    مقدمة
2.1.17    الالتواء
3.1.17    مكعبات بناء CNN

2.17    أنواع طبقات CNN

1.2.17    التلافيف
2.2.17    التنشيط
3.2.17    تطبيع الدفعة
4.2.17    التصويت
5.2.17    المتصل بشكل كامل

3.17    المقاييس

1.3.17    مصفوفة التشويش
2.3.17    الدقة
3.3.17    الدقة
4.3.17    التذكر
5.3.17    نتيجة F1
6.3.17    منحنى ROC
7.3.17    AUC

4.17    الأبنية الرئيسية

1.4.17    AlexNet
2.4.17    معالجة الصور والرؤية الحاسوبية VGG
3.4.17    شبكة عصبية عميقة للبيانات
4.4.17    GoogleLeNet

5.17    تصنيف الصور

1.5.17    مقدمة
2.5.17    تحليل البيانات
3.5.17    تحضير البيانات
4.5.17    تدريب نموذجي
5.5.17    التحقق من صحة النموذج

6.17    اعتبارات عملية لتدريب CNN

1.6.17    اختيار المحسن
2.6.17    جدولة معدل التعلم
3.6.17    التحقق من أنابيب التدريب
4.6.17    التدريب مع التنظيم

7.17    الممارسات الجيدة في التعلم العميق

1.7.17    نقل التعلم
2.7.17    الضبط
3.7.17    زيادة البيانات

8.17    التقييم الإحصائي للبيانات

1.8.17    عدد مجموعات البيانات
2.8.17    عدد الملصقات
3.8.17    عدد الصور
4.8.17    موازنة البيانات

9.17    التعيين

1.9.17    نماذج الحفظ والتحميل
2.9.17    تبادل النماذج والشبكات العصبية"Onnx"
3.9.17    الإستنباط

10.17    حالة الاستخدام: تصنيف الصورة

1.10.17    تحليل البيانات وإعدادها
2.10.17    اختبار خط أنابيب التدريب
3.10.17    تدريب نموذجي
4.10.17    التحقق من صحة النموذج

الوحدة 18. الكشف عن الأشياء

1.18    الكشف عن الأشياء وتتبعها

1.1.18    الكشف عن الأشياء
2.1.18    استخدم الحالات
3.1.18    تتبع الأشياء
4.1.18    استخدم الحالات
5.1.18    انسداد وضعية جامدة وغير جامدة

2.18    مقاييس التقييم

1.2.18    IOU - تقاطع الاتحاد
2.2.18    نقاط الثقة
3.2.18    التذكر
4.2.18    الدقة
5.2.18    استدعاء - منحنى الدقة
6.2.18    متوسط الدقة الوسطي (mAP)

3.18    الطرق التقليدية

1.3.18    نافذة منزلقة
2.3.18    كاشف موجة اللون البنفسجي
3.3.18    الصفحة الرئيسية
4.3.18    تقليل تكرار الكائنات المكتشفة (NMS)

4.18    مجموعات البيانات

1.4.18    تقنية كشف وتصنيف الكائنات في الصور"Pascal VC"
2.4.18    تقنية تحديد الكائنات وتصنيفها في الصور"MS Coco"
3.4.18    ImageNet (0241)
4.4.18    تحدي MOTA

5.18    أنظمة الكشف عن الكائنات بإطارين

1.5.18    الشبكات العصبية التصويرية "R-CNN"
2.5.18    سريع R-CNN
3.5.18    أسرع R-CNN
4.5.18    قناعي R-CNN

6.18    أنظمة الكشف عن الكائنات بإطار

1.6.18     الكشف السريع للكائنات في الصور"SSD"
2.6.18    الرؤية الحاسوبية وتحديد الكائنات في الصور"YOLO"
3.6.18    الكشف عن الكائنات الصغيرة والكائنات الكبيرة في الصور"RetinaNet"
4.6.18     الكشف عن مركز الكائنات في الصور"CenterNet"
5.6.18    تقنيات تحسين الأداء وتقليل الاستهلاك الحسابي"EfficientDet"

7.18     المكونات الأساسية في الشبكات العصبية التصويرية"Backbones"

1.7.18    معالجة الصور والرؤية الحاسوبية VGG
2.7.18    شبكة عصبية عميقة للبيانات
3.7.18    نموذج شبكة عصبية تصويرية لتحقيق الكفاءة العالية في تطبيقات الرؤية الحاسوبية"Mobilenet"
4.7.18    نموذج شبكة عصبية تصويرية لتحقيق الكفاءة العالية بتخفيف العمليات الحسابية"Shufflenet"
5.7.18    إطار تطوير تصويري مفتوح المصدر"Darknet"

8.18    تتبع الجسم

1.8.18    الأساليب الكلاسيكية
2.8.18    مرشحات الجسيمات
3.8.18    Kalman
4.8.18    متتبع الترتيب
5.8.18    التصنيف العميق

9.18    عمليات النشر

1.9.18    منصة الحوسبة
2.9.18    اختيار المكونات الأساسية في الشبكات العصبية التصويرية
3.9.18    اختيار إطار العمل
4.9.18    النموذج الأمثل
5.9.18    إصدار النماذج

10.18    دراسة: كشف وتعقب الأشخاص

1.10.18    التعرف على الأشخاص
2.10.18    تتبع الأشخاص
3.10.18    إعادة تحديد الهوية
4.10.18    إعدادا الأشخاص كحشود

الوحدة 19. تجزئة الصورة مع التعلم العميق

1.19    الكشف عن الأشياء وتجزئتها

1.1.19    التجزئة الدلالية

1.1.1.19 حالات استخدام التجزئة الدلالي

2.1.19    تجزئة متجانسة

1.2.1.19 استخدام الحالات التي تم إنشاء مثيل لها

2.19    مقاييس التقييم

1.2.19    أوجه التشابه مع طرق أخرى
2.2.19    دقة البكسل
3.2.19    معامل النرد (F1 درجة)

3.19    وظائف التكلفة

1.3.19    خسارة النرد
2.3.19    الخسارة البؤرية
3.3.19    خسارة تفيرسكي
4.3.19    وظائف أخرى

4.19    طرق التجزئة التقليدية

1.4.19    تطبيق العتبة مع Otsu و Riddlen
2.4.19    خرائط ذاتية التنظيم
3.4.19    خوارزمية GMM-EM

5.19    التقسيم الدلالي بتطبيق التعلم العميق: FCN

1.5.19    FCN
2.5.19    هندسة العمارة
3.5.19    تطبيقات FCN

6.19    التقسيم الدلالي بتطبيق التعلم العميق : U-NET

1.6.19    U-NET
2.6.19    هندسة العمارة
3.6.19    تطبيقات U-NET

7.19    التقسيم الدلالي بتطبيق التعلم العميق: المختبر العميق

1.7.19    المختبر العميق
2.7.19    هندسة العمارة
3.7.19    تطبيقات المختبر العميق

8.19    تجزئة تم إنشاؤها باستخدام التعلم العميق: قناع نموذج الرؤية الحاسوبية

1.8.19    قناع نموذج الرؤية الحاسوبية
2.8.19    هندسة العمارة
3.8.19    استخدام النموذج المتقدم في مجال الرؤية الحاسوبية"Mas RCNN"

9.19    تجزئة الفيديو

1.9.19    تقنية تحليل الفيديو وفهم المحتوى الزمني والمكاني"STFCN"
2.9.19    CNNs الفيديو الدلالي
3.9.19    نموذج تحسين كفاءة التواصل والتدفق داخل الشبكة"Clockwork Convnets"
4.9.19    التأخير المنخفض أو القليل"Low-Latency"

10.19    تجزئة السحابة النقطية

1.10.19    السحابة النقطية
2.10.19    نموذج معالجة النقاط"PointNet"
3.10.19     نموذج تجميع الملامح والمعلومات"A-CNN"

الوحدة 20. تجزئة الصور المتقدمة وتقنيات الرؤية الحاسوبية المتقدمة

1.20    قاعدة بيانات لمشاكل التجزئة العامة

1.1.20    سياق باسكال
2.1.20    مجال معالجة الصور-دقة عالية
3.1.20    الخوارزميات المتعلقة بتحليل الصور الحضرية"Cityscapes Dataset"
4.1.20    مجموعة البيانات بصور شعاعية "CCP Dataset"

2.20    التجزئة الدلالية في الطب

1.2.20    التجزئة الدلالية في الطب
2.2.20    مجموعات البيانات الخاصة بالمشكلات الطبية
3.2.20    تطبيق عملي

3.20    أدوات التعليق التوضيحي

1.3.20    أداة شرح رؤية الكمبيوتر
2.3.20    أداة وضع التسميات "LabelMe"
3.3.20    أدوات أخرى

4.20    أدوات التجزئة باستخدام أطر عمل مختلفة

1.4.20    Keras
2.4.20    تدفق موتر نوع v2.0
3.4.20    Pytorch
4.4.20    أخرى

5.20    مشروع التجزئة الدلالي. البيانات، المرحلة 1

1.5.20    تحليل المشكلة
2.5.20    مصدر إدخال البيانات
3.5.20    تحليل البيانات
4.5.20    إعداد البيانات

6.20    مشروع التجزئة الدلالي. التدريب، المرحلة 2

1.6.20    اختيار الخوارزمية
2.6.20    التدريب
3.6.20    التقييم

7.20    مشروع التجزئة الدلالي. النتائج، المرحلة 3

1.7.20    الضبط الدقيق
2.7.20    عرض الحل
3.7.20    الخلاصة

8.20    التشفير التلقائي

1.8.20    التشفير التلقائي
2.8.20    هندسة تصميم التشفير التلقائي
3.8.20    تقليل الضوضاء التلقائية
4.8.20    التلوين التلقائي للتشفير التلقائي

9.20    شبكات الخصومة التوليدية (GAN)

1.9.20    شبكات الخصومة التوليدية (GANs)
2.9.20    هندسة DCGAN
3.9.20    هندسة GAN الشرطية

10.20    تحسين شبكات توليد الخصومة

1.10.20    نظرة عامة على المشكلة
2.10.20    نموذج في التعلم العميق لتوليد البيانات"WGAN"
3.10.20    نموذج في التعلم العميق لتحسين الشبكة المولدة"LSGAN"
4.10.20    نموذج في التعلم العميق لاستخدام نماذج التنافس الآلي"ACGAN"

حَسّن من قدرتك في تصميم وبرمجة والتحكم في الروبوتات باستخدام خوارزميات الرؤية الاصطناعية والتعلم الآلي"