محاضرة جامعية ستأخذك إلى مجال الرؤية الاصطناعية، وهو مجال شهد ثورة كبيرة في السنوات الأخيرة. لا تتخلّف عن الركب، سجّل"

تستكشف هذه المحاضرة الجامعية ، التي تستهدف المتخصصين في مجال علوم الحاسب الآلي، الرؤية الاصطناعية في مجال الروبوتات، مع التركيز بشكل خاص على معالجة الصور وتحليلها. معارف متقدمة يدرّسها فريق تدريس خبير في مجال الروبوتات، والتي ستوضح للطلاب أهمية العمل الصحيح لتحسين حركة الآلة واستقلاليتها. 

وضع تدريس عبر الإنترنت يركز على عالم الملاحة الآلية المعقد. تدريب مهني حيث سيتمكن الطلاب من التعرف على التقنيات المختلفة التي يستخدمها المجتمع العلمي في مجال الروبوتات لمعالجة البيانات التي تجمعها الآلات، بهدف الحصول على المعلومات الأكثر فائدة لاتخاذ الروبوتات قراراتها. كما سيتناول أيضاً تقنيات الرؤية القائمة على أنظمة التعلم، واستخدام الشبكات العصبية، ولا سيما الشبكات العصبية العميقة، التي أحدثت ثورة في طريقة استخدام الرؤية الاصطناعية.

برنامج ذو نهج نظري-عملي ومحتوى متعدد الوسائط الأكثر حداثة لتزويد الطلاب بالتعلم الذي سيمكنهم من التقدم في حياتهم المهنية في قطاع نما في السنوات الأخيرة وآفاقه المستقبلية إيجابية. لذلك فهي فرصة ممتازة للحصول على تعليم عالي الجودة ومرن. لا يحتاج الطلاب إلا إلى جهاز إلكتروني متصل بالإنترنت ليتمكنوا من الوصول إلى المنهج الدراسي بأكمله في أي وقت من اليوم، دون تحديد مواعيد ثابتة للحصص الدراسية، مع سهولة توزيع العبء التدريسي وفقًا لاحتياجاتهم.

لديك تحت تصرفك على مدار 24 ساعة في اليوم أحدث مواد الوسائط المتعددة في مجال الروبوتات، بحيث يمكنك الوصول إليها متى وأينما تريد"

يحتوي هذا البرنامج المحاضرة الجامعية في خوارزميات الرؤية الاصطناعية 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

اكتسب تقنيات تعليمية متقدمة لتحديد المواقع ورسم الخرائط في الروبوتات المتنقلة من خلال هذه المحاضرة الجامعية"

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. لهذا، سيكون مدعوماً بنظام مبتكر من مقاطع الفيديو التفاعلية التي ينتجها خبراء مشهورون.

ستتعلم خلال 6 أسابيع التقنيات والأدوات الأكثر استخداماً للتقسيم ثلاثي الأبعاد"

الوصول إلى المعرفة المتقدمة في الشبكات العصبية العميقة وتطبيقها في الصناعة 4.0"

تتكون هذه المحاضرة الجامعية من 360 ساعة تدريسية حيث سيتمكن الطلاب من الخوض في مجال الرؤية الاصطناعية في الروبوتات من خلال منهج محدث يتكون من ملخصات فيديو وقراءات متخصصة وحالات حقيقية. سيتيح لك كل هذا التعرف على معالجة الصور وتحليلها، والتقنيات الرئيسية المستخدمة في إنشاء أجهزة الاستشعار البصرية، وأنظمة الرؤية ثلاثية الأبعاد، وتحديد موقع الروبوت والطرق المختلفة للتعرف على البيئة. إن نظام إعادة التعلم،Relearning الذي تطبقه TECH في كل برنامج من برامجها للحصول على الدرجات العلمية، سيفضل بناء المعرفة بطريقة أكثر طبيعية وتدريجية.

سيسمح لك نظام إعادة التعلم، الذي تطبقه TECH على شهاداتها بتقليل ساعات الدراسة الطويلة"

الوحدة 1. تقنيات الرؤية في الروبوتات: معالجة الصور وتحليلها

1.1 الرؤية الاصطناعية

1.1.1 الرؤية الاصطناعية
2.1.1 عناصر نظام الرؤية الاصطناعية
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
2.4.1 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 الاصطناعية

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

الوحدة 2. أنظمة الإدراك البصري الروبوتية مع التعلم الآلي

1.2 طرق التعلم غير الخاضعة للرقابة المطبقة على الرؤية الاصطناعية

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 الاصطناعية

1.2.2 مفهوم “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 و Backbones و Transfer Learning

1.3.2 الطبقات التي تولد Features

 1.3.3.2 VGG
 2.3.3.2 Densenet
 3.3.3.2 ResNet
 4.3.3.2 Inception
 5.3.3.2 GoogLeNet

2.3.2 Transfer Learning
3.3.2 البيانات. التحضير للتدريب

4.2 االرؤية الاصطناعية 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 الاصطناعية 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

ادخل عالم الرؤية الاصطناعية المعقد وتعرف على أحدث التقنيات المستخدمة. سجّل الآن"