سلام بچه‌ها

امیدوارم حالتون خوب باشه. خداروشکر این ترم رو هم پشت سر گذاشتید و الان به اندازه‌ی دروس یک ترم نسبت به قبل باسوادتر شده‌اید.

خیلی حس خوبیه وقتی متوجه میشیم روز به روز داره به دانشمون اضافه میشه و ما رو به یکی از اهدافمون که تبدیل شدن به یک دانشمند داده هست نزدیکتر میکنه. خداروشکر این ترم شاهد پیشرفت تعداد زیادی از شما دانشجویان عزیز بودم. تبریک ویژه میگم به دانشجویان ورودی جدید آمار که حسابی خوش درخشیدند 👏

چند روز باقیمونده رو حسابی استراحت کنید و آماده‌ی سکوی پرش بعدی باشید. 💪

منتظر دیدار شما در ترم جدید هستم.🌹🌷☘

با احترام
صالحی

#انتخاب_واحد_۱۴۰۳۲

۱. دانشجویان محترمی که ترم آینده ان‌شالله فارغ‌التحصیل می‌شوند، دقت کنند که طبق قانون جدید تنها دو درس را می‌توانند برای ارائه به استاد نگه دارند.

۲. دانشجویان محترم دقت کنند دقیقا طبق چارت انتخاب واحد انجام دهند. همچنین مد نظر داشته باشید ‌که فعلا برای برخی دروس ۲ نام وجود دارد، نام صحیح را مطابق با چارت انتخاب کنند.

با احترام

سلام
جزوه‌ی انواع مدل‌های رگرسیونی، گرداوری شده توسط آقای مهدی خسروی (دانشجوی ورودی ۹۷ کارشناسی آمار نیشابور) و همکلاسی‌های ایشان در دانشگاه علامه طباطبائی.
برای ایشان آرزوی موفقیت داریم 🌹

🔴 کدام استان‌ها تعداد دانشجوی بیشتری دارند؟


کانال دانشگاه اصفهان🎓
@Esfahan_University

چندتا از این مدلهارو تابحال یادگرفتی؟

نصرالله جان امروز صبح شنبه است و این هم تفریح کاکات!؛
نقش آمار در هوش مصنوعی خودروهای خودران

خودروهای خودران (Autonomous Vehicles – AVs) به شدت وابسته به آمار هستند تا محیط اطراف خود را درک کنند، تصمیمات آنی بگیرند و با ایمنی حرکت کنند. در ادامه، بررسی می‌کنیم که چگونه روش‌های آماری بخش‌های مختلف فناوری خودروهای خودران را تحت تأثیر قرار می‌دهند.

۱. احتمال و عدم قطعیت در داده‌های حسگرها

خودروهای خودران از حسگرهای مختلفی مانند LiDAR، رادار، دوربین و GPS برای مشاهده محیط استفاده می‌کنند. اما این حسگرها همیشه دقیق نیستند و باعث ایجاد عدم قطعیت در سیستم می‌شوند.

استفاده از استنتاج بیزی در ترکیب حسگرها
   •   خودروهای خودران از استنتاج بیزی برای ترکیب داده‌های چندین حسگر و تخمین دقیق‌تر محیط استفاده می‌کنند.
   •   برای مثال، اگر یک دوربین عابر پیاده‌ای را تشخیص دهد اما LiDAR آن را شناسایی نکند، سیستم باید احتمال حضور عابر پیاده را محاسبه کند.
   •   فیلتر کالمن، یک روش آماری، به خودرو کمک می‌کند تا موقعیت اشیا را پیش‌بینی و به‌روزرسانی کند.

👉 مثال: سیستم خودران تسلا (Tesla Autopilot) از ترکیب داده‌های حسگرها استفاده می‌کند تا دقت تصمیم‌گیری را در مواقعی که یک عابر پیاده پشت یک ماشین پارک شده قرار دارد، افزایش دهد.

۲. یادگیری ماشین برای تشخیص و طبقه‌بندی اشیا

خودروهای خودران باید بتوانند وسایل نقلیه، عابران پیاده، تابلوهای راهنمایی و شرایط جاده را شناسایی کنند. این کار از طریق مدل‌های آماری که با داده‌های حجیم آموزش دیده‌اند انجام می‌شود.

نقش آمار در تشخیص اشیا:
   •   شبکه‌های عصبی کانولوشنی (CNNs) از آموزش‌های آماری گسترده برای دسته‌بندی اشیا استفاده می‌کنند.
   •   ماشین بردار پشتیبان (SVMs) و درخت تصمیم (Decision Trees) در شناسایی عابران پیاده و خطوط جاده نقش دارند.
   •   مدل‌های رگرسیون آماری فاصله بین خودرو و اشیا را تخمین می‌زنند تا از تصادف جلوگیری کنند.

👉 مثال: خودروهای Waymo (یکی از زیرمجموعه‌های گوگل) از مدل‌های یادگیری عمیق آموزش‌دیده بر روی میلیون‌ها تصویر برای تشخیص دقیق چراغ‌های راهنمایی، دوچرخه‌سواران و سایر وسایل نقلیه استفاده می‌کنند.

۳. پیش‌بینی رفتار انسان با مدل‌های احتمالی

یکی از چالش‌های اصلی در رانندگی خودران، پیش‌بینی رفتار رانندگان و عابران پیاده است، مانند تصمیم ناگهانی برای عبور از خیابان یا تغییر مسیر رانندگان دیگر.

مدل‌های مارکوف برای پیش‌بینی رفتار:
   •   مدل‌های تصمیم‌گیری مارکوف (MDP) از احتمال برای مدل‌سازی تصمیم‌گیری‌های متوالی در شرایط نامطمئن استفاده می‌کنند.
   •   این مدل‌ها به پیش‌بینی حرکات آینده عابران پیاده یا رانندگان دیگر کمک می‌کنند.
   •   مدل‌های مارکوف پنهان (HMMs) برای تحلیل رفتار رانندگان و پیش‌بینی تغییر مسیرهای ناگهانی کاربرد دارند.

👉 مثال: خودروهای اوبر (Uber) از مدل‌های احتمالی برای پیش‌بینی زمان عبور ناگهانی عابران پیاده استفاده می‌کنند تا قبل از وقوع خطر، سرعت خودرو کاهش یابد.

۴. برنامه‌ریزی مسیر با استفاده از بهینه‌سازی آماری

پس از شناسایی اشیا و پیش‌بینی رفتار آن‌ها، خودرو باید بهترین مسیر را برنامه‌ریزی کند و از موانع اجتناب کند.

**روش‌های آماری برای بهینه‌سازی مسیر

هم‌اکنون، برنامه هوش مصنوعی، شبکه‌ی آموزش

برنامه‌ی هفتگی
زمان‌های مشاوره و راهنمایی