113cn

Nanodegree key: nd113-cn

Version: 2.0.0

Locale: zh-cn

学习无人驾驶入门的基础核心知识，包括概率、C++ 、机器学习与线性代数。

Content

Part 01 : 学前必知

Module 01: 学前指导
- Lesson 01: 课程注意事项
  
  通过本节学习，你将了解课程所涵盖的服务及重要的注意点，这将帮助你制定更高效的学习计划
- Lesson 02: 教室使用指南
  
  通过本节学习，你将了解如何更好的使用教室，以及教室的所有功能。

Part 02 : 新生营

欢迎加入无人驾驶入门纳米学位！首先，你将了解教室的情况，与我们的团队见面，并了解我们所提供的学习服务。我们还为你准备了一项学业评估以及相关的学习资源，帮助你充分体验好整个学习过程。

Module 01: 欢迎学习无人驾驶入门！
- Lesson 01: 简介
  
  欢迎参加无人驾驶车介绍纳米学位课程！很高兴认为大家，希望你们也对这一能够改变未来的技术充满期待！
- Lesson 02: (可选)Anaconda安装——准备python的本地环境
  
  如果你需要本地运行Python代码，这里给你推荐了一个友好的Python环境。
- Lesson 03: （可选）Notebook简介——准备python本地运行的编译器
  
  带你快速浏览如何使用Anaconda的Notebook来进行Python编程。
Module 02: 准备出发
- Lesson 01: Carla 冒险记：准备出发
  
  和 Carla 和她的朋友一起完成预备知识评估，确保你已经准备就绪，可以开启你的无人驾驶车探险之旅了！
- Lesson 02: 准备就绪
  
  请复习并巩固你的数学和编程技能。

Part 03 : 贝叶斯定理

学习无人驾驶车如何了解自身和周围世界，并以无人驾驶车的视角与方式来看待周围的世界。

Module 01: 贝叶斯定理
- Lesson 01: 介绍
  
  Sebastian 简要介绍贝叶斯定理。
  - Concept 01: 贝叶斯定理的神奇世界
  - Concept 02: 课程概述
- Lesson 02: 概率
  
  学习概率的基础 - 机器人语言。本课将重点学习数学知识。在稍后的课程中，你需要在 Python 代码中应用这些知识。
- Lesson 03: 条件概率
  
  要从嘈杂的传感器测量中推断出含义，无人驾驶车需要使用条件概率知识。你将跟着 Sebastian学习这部分内容，在下一课中我们会用到这些知识。
- Lesson 04: 在 Python 中进行概率编程
  
  在前面两节课中，你在应用有关概率和条件概率的知识时，学习了基本的 Python 语法。
- Lesson 05: 贝叶斯法则
  
  跟着 Sebastian 学习贝叶斯法则（Bayes' Rule），首先了解无人驾驶车是如何使用贝叶斯法则来了解自己在世界里的位置。
- Lesson 06: 贝叶斯定理和世界呈现编程
  
  在本课中，你有很多机会亲身实践使用 Python 进行贝叶斯概率编程，并呈现车辆定位所需的二维世界。
- Lesson 07: 概率分布
  
  了解机器人如何使用 概率分布 来表述对于不确定量的信息。
- Lesson 08: 概率分布编程
  
  应用你在本课程中学到的知识，对概率分布进行编程和可视化。
- Lesson 09: 高斯分布
  
  在本节课中，你将学习名为“高斯分布”的特定连续概率分布。高斯分布有助于描述传感器测量和车辆位置的不确定性。
- Lesson 10: 机器人定位
  
  Sebastian Thrun 会带你学习一遍关于定位所需的理论知识！
- Lesson 11: Python 中的直方图滤波器
  
  在 Python 中，为二维直方图滤波器编写 sense 和 move 函数。

Part 04 : 使用矩阵

该部分集中聚焦于对无人驾驶工程师来说最重要的两项核心工具：面向对象编程与线性代数。

Module 01: 使用矩阵
- Lesson 01: 章节概述
  
  介绍本课中你需要学习的神奇工具和算法。
  - Concept 01: 矩阵介绍
  - Concept 02: 课程概述
- Lesson 02: 卡尔曼滤波器简介
  
  学习卡尔曼滤波器（一种车辆跟踪算法）的原理，并部署你自己的一维车辆跟踪器。
- Lesson 03: 状态和面向对象编程
  
  在本课中，学生将学习如何在编程中将汽车的状态表示为类和对象，以及在数学上表示为使用线性代数替换的向量。
- Lesson 04: 矩阵和状态转换
  
  线性代数是数学中的一个重要分支和有用工具。在本课中，你将学习有关多维卡尔曼滤波器的矩阵运算。
- Lesson 05: 实现矩阵类
  
  在部分完成的矩阵类中，利用你的面向对象编程和矩阵数学技能填充对应方法。
  
  Project Description - 实现矩阵类
  
  Project Rubric - 实现矩阵类

Part 05 : C++ 基础

该部分是掌握 C++ 核心技能的第一步，你将在这里了解在 Python 中的程序，和将 Python 翻译为 C++ 。

Module 01: C++ 基础
- Lesson 01: C++ 入门
  
  C++ 和 Python 的区别，以及如何写 C++ 代码。
- Lesson 02: C++ 向量
  
  为了进行矩阵代数的程序运算和翻译 Python 代码，你将需要用到 C++ 向量。这些向量同 Python 列表相似，但其中的句法更为复杂。
- Lesson 03: C++ 实战
  
  学习如何在自己的计算机上编写 C++代码，并将其编译为可执行程序，同时尽量避免编译错误。
- Lesson 04: C++ 面向对象编程
  
  学习 C++ 面向对象编程的语法，以及该语言提供的一些额外的 OOP 特性。
- Lesson 05: Python 和 C++ 的速度
  
  本堂课上，我们会对比 C++ 和 Python 程序的运行速度。
- Lesson 06: 将 Python 翻译为 C++
  
  借助你的 C++ 语法知识，将第一堂课中的直方图滤波器代码翻译为 C++。
  
  Project Description - 将 Python 翻译成 C++
  
  Project Rubric - 将 Python 翻译成 C++

Part 06 : 用 C++ 进行性能编程

探索如何编写正确运行地良好代码。我们将主要关注 C++ 的基础功能，但我们也将讨论其他最佳实践。

Module 01: 用 C++ 进行性能编程
- Lesson 01: C++ 优化实战
  
  现在，你已经知道了 C++ 程序是如何运行的。接下来，我们会学习一些具体的优化技巧，并付诸实践。学完本课，你就可以完成代码优化实战项目了。
- Lesson 02: 实战项目 4 - 高性能粒子滤波器
  
  准备好优化 C++ 代码了吗？本实战项目里，我们提供了一个功能正常的二维直方图滤波器。你的任务是让这个滤波器的代码运行速度更快！

Part 07 : 复杂数据结构

算法思维是你在整个职业生涯中需要完善的技能。在该课程中，你将重点学习常用的数据结构和算法。

Module 01: 复杂数据结构
- Lesson 01: 如何解决难题
  
  在本课中，你将在 Dave Evans 的帮助下解决一个难题，学习如何解决计算机编程难题的系统方法。
- Lesson 02: 数据结构
  
  列表不是存储数据的唯一结构！在本课中，你会学到集合、词典和其他的 Python 数据结构。
- Lesson 03: 搜索问题
  
  在对汽车进行编程时，你会遇到诸多问题。其中许多和“搜索”相关。在本课中，你将学习搜索问题以及解决这些问题的几种算法。
- Lesson 04: 规划最佳路径
  
  这一课中，你将会实现谷歌地图路径规划的 A* 算法。
  
  Project Description - 规划最佳路径
  
  Project Rubric - 规划最佳路径

Part 08 : 车辆运动与控制

本课程是两个数学分支的速成课程，这些课程对无人驾驶车至关重要：微积分和三角学。你将了解无人驾驶车是如何利用运动传感器来帮助其了解自己的行为。

在本课程结束之际，你将使用原始传感器数据（提供有关距离驱动、加速度和旋转速率的信息）来重建车辆在空间中的轨迹。

Module 01: 车辆运动与控制
- Lesson 01: 里程表、速度表和导数
  
  通过绘制点和寻找斜率，理解导数和基本微积分的概念。
- Lesson 02: 加速度计、速率陀螺仪和积分
  
  了解如何运用积分通过查找曲线下方的面积来计算累计变化。
- Lesson 03: 二维机器人运动与三角学
  
  学习三角学的基础知识，以及如何将无人驾驶车的运动分解为 X 和 Y 分量。
- Lesson 04: 重建传感器数据轨迹
  
  使用从车辆加速度计、里程表和速率陀螺仪中得到的的原始加速度、位移和角旋转数据重建车辆的 X、Y 轨迹。
  - Concept 01: 项目概况
  - Concept 02: 工作区 - 重建轨迹

Part 09 : 计算机视觉与机器学习

在该课程中，你将了解计算机是如何看图像的，以及如何使用机器学习来教计算机用编程方式识别图像。

Module 01: 计算机视觉与机器学习
- Lesson 01: 计算机视觉和分类
  
  你将学习如何使用计算机视觉技术，对图像分类器进行编程，包括对机器学习、颜色转换、特征提取等等的学习。
- Lesson 02: 交通灯分类器
  
  建立一个接收交通图像的分类流程，并输出一个标签，将图像分类为：红色、绿色或黄色交通信号灯。
  
  Project Description - 交通灯分类器
  
  Project Rubric - 交通灯分类器
  - Concept 01: 项目说明
  - Concept 02: Notebook - 交通灯分类器

Part 10 : 恭喜你毕业！

恭喜你毕业啦！

Module 01: 恭喜你毕业！
- Lesson 01: 恭喜你毕业！
  
  恭喜你！你已经完成了无人驾驶入门纳米学位！
  - Concept 01: 恭喜你！
  - Concept 02: 分享你的学习体验
Module 02: 学习以下高阶纳米学位，100% 为你预留入学席位
- Lesson 01: 学习以下高阶纳米学位，100% 为你预留入学席位
  
  你可以自由选择申请其他高阶课程，例如无人驾驶工程师、机器人开发或飞行汽车纳米学位，我们 100% 保证为你预留入学名额。
  - Concept 01: 自由选择以下纳米学位

**Part 11 (Elective) :** 快乐之旅

Module 01: 快乐之旅
- Lesson 01: 快乐之旅
  
  使用代码控制（模拟）车辆的快速入门。第一和第二部分会介绍如何控制油门和转向，第三部分会介绍如何通过编程让汽车成功地平行停车。

Part 12 : 邀请红包

Module 01: 邀请红包
- Lesson 01: 邀请红包
  
  邀请好友加入课程，拿 200 元现金红包！
  好友也获得最高￥320 购课优惠，轻松开启学习之路
  - Concept 01: 邀请红包