已经在优达上刷了好几套课了，数据分析、机器学习、深度学习等，里里外外也花了一大笔银子。现在优达上线了免费的无人驾驶课程，作为无人车方面零基础的小白，我大约每天2小时，共花了一周的时间把这门课刷完了。拖了一个月，终于把工作甩开，来知乎上写一篇测评。现把这门课的学习心得和经验分享一下，留给后人借鉴。
一 背景介绍
为什么是无人车驾驶：同是前沿科技的VR，现在已如一石激起千层浪，甚至应用于最近世界杯的判决，但是无人车却一直不温不火，普及度远不如前者。其中原因太多了，政府管制，民众的消费习惯更替等等，这里就不深入探讨了。但有一点是肯定的：每一个新事物的诞生，都饥渴的召唤相关人才。因此，不论你是技术宅，学习仅仅为了have fun，还是准备转行到无人车领域，见证新时代技术革命，这次免费试学都是很好的切入点。
为什么是优达：谷歌的无人车之父和毕业于斯坦福/耶鲁/麻省理工的行业大佬策划的课程，能把握行业脉搏……最关键的是，似乎全网只有优达有免费的无人车学习资源 ：）
image
二 课程概览
这门课主要围绕无人驾驶开源平台的六大组成部分进行讲述：高精度地图（HD Maps），定位（Localization），感知（Perception）,预测（Prediction)，规划（Planning）和控制（Control）。
具体而言：高精度地图是无人驾驶的核心模块，支持着软件栈的所有其他模块；定位是汽车利用激光和雷达传输数据，将传感器感知的内容与高分辨地图进行对比，进而确定它所在位置；感知是无人车利用深度学习来感知这个世界；预测是利用递归神经网络等几种不同的方式，预测其它车辆和行人可能如何移动；规划是构建无人车最困难的一部分，主要负责将预测与路线相结合起来以生成车辆的轨迹；控制是如何使用转向，油门和制动来执行规划轨迹，这其中涉及到不同类型的控制器，从简单到复杂，性能从弱到强。
接下来又对每一部分进行深入的讲解，如高精度地图构建需要哪些步骤？Apollo定位系统是什么原理？神经网络和机器学习是怎样应用于无人车的感知中的？预测的几种方式，各有什么优点？等等
image
三 课程测评
优点：
-
理论知识很足。整门课学下来，基本上可以从宏观的角度把握这个领域的理论脉搏。如在「感知」一节，考虑到学员的背景不同，从较基础的计算机视觉讲起，又融入了机器学习，神经网络的内容，触类旁通，脉络清晰，不用担心知识的断层。
-
对小白很友好。讲机器学习时，是从监督学习，非监督学习和无监督学习讲起的，足见是有多基础。由于我有机器和深度学习的背景，很多内容都是快进看完的。
image
- 外链学习资源。由于课程长度有限制，很多知识如卷积神经网络CNN不能讲完，课程里还给出了链接供感兴趣的学员进一步学习。
缺点：
-
学完不能直接对接工作。这门课的定位是帮助小白入门无人车领域，因此内容设置偏重理论。如果你想转行，还需要多多实践。
-
设置编程练习较少，如果想学编程，请出门右转，参见优达的免费编程课程或廖雪峰老师的python网站。
适合人群：
-
想转行到无人车行业的人士
-
学生党，想给自己未来多一点可能性
-
时间宽裕，能进行系统的学习
-
想给自己充电的职场人士
-
无人车领域的小白
不适合人群：
-
已从事无人车行业的老司机
-
想大量练习编程
-
想一步到位，学完就能就业的学员，那你需要尝试付费课程了。
总的来说，这门课程能将你带入无人车领域的大门，整体课程设计紧凑，能给到8.5分，值得尝试，毕竟免费。不过，如果因为免费资源就不珍惜，学了三天就放弃，我劝你还是不要开这个头了。
不会开车？那就写几行代码吧。真希望这样的日子能早日到来。
https://cn.udacity.com/course/self-driving-car-fundamentals-featuring-apollo--ud0419
网友评论