📦 دنیای فیزیکی ما روی سه بُعد بنا شده؛ پس اگر می‌خوایم تکنولوژی‌ای بسازیم که بتونه این دنیا رو بفهمه و باهاش تعامل کنه، داده‌هامون هم باید سه‌بعدی باشن. این راهنمای عملی بهت کمک می‌کنه – چه دیتا ساینتیست باشی، چه مهندس یا پژوهشگر – که با داده‌های سه‌بعدی تو پایتون کار کنی. از 3D Reconstruction گرفته تا تکنیک‌های 3D Deep Learning. یاد می‌گیری چطور از دیتاست‌های حجیم مثل Point Cloud، Voxel، مدل‌های CAD، مش‌ها، تصاویر و… اطلاعات ارزشمند استخراج کنی.

🧭 دکتر فلوران پو بهت یاد می‌ده چطور از الگوریتم‌های پیشرفته و مدل‌های Spatial AI استفاده کنی و سیستم‌های آماده‌ی تولید بسازی؛ با تمرکز جدی روی اتوماسیون. این کتاب دانش و کد لازم رو در اختیارت می‌ذاره تا:

📌 مفاهیم اصلی و روش‌های نمایش داده‌های سه‌بعدی رو درک کنی

📌 داده‌های 3D رو با کتابخونه‌های قدرتمند پایتون بارگذاری، پردازش، تحلیل و visualize کنی

📌 الگوریتم‌های هوش مصنوعی مخصوص الگوهای سه‌بعدی رو اجرا کنی (supervised و unsupervised)

📌 با تکنیک‌های 3D Reconstruction دیتاست‌های سه‌بعدی بسازی

📌 3D Modeling خودکار و ورک‌فلوهای Generative AI رو پیاده‌سازی کنی

📌 کاربردهای واقعی 3D Data Science رو تو حوزه‌هایی مثل Computer Vision/Graphics، ژئواسپشیال، محاسبات علمی، رباتیک و خودروهای خودران یاد بگیری

📌 محیط‌های دیجیتالی دقیقی بسازی که سیستم‌های Spatial AI بتونن برای درک و تصمیم‌گیری ازش استفاده کنن

🔬 فلوران پو یکی از معتبرترین متخصص‌های دیتا ساینس سه‌بعدیه. سال‌هاست تو دانشگاه‌های سطح اول اروپا تدریس و پژوهش می‌کنه. علاوه بر این، مدرس ارشد 3D Geodata Academy و مدیر نوآوری شرکت‌های French Tech 120 هم هست.

📚 این کتاب برای چه کسانی مناسبه؟

🎯 این کتاب برای داده‌کاوها، مهندس‌ها، و هر کسیه که می‌خواد وارد دنیای داده‌های سه‌بعدی بشه. فرض نمی‌کنه که پایتون بلدی یا دانش عمیقی از دیتا ساینس داری — حتی اگر تازه‌کار باشی، باز هم ازش بهره می‌بری.

🎯 تجربه‌ی قبلی در پردازش داده‌های 3D هم لازم نیست. قدم‌به‌قدم کتابخونه‌ها، تکنیک‌ها و مسیر عملی رو نشونت می‌دم تا بتونی واقعاً تو پروژه‌های واقعی ازشون استفاده کنی — تقریباً صفر تا یک.

🖥️ پیش‌نیازها

💽 یه کامپیوتر با Windows، macOS یا Linux

💽 حدود 100 گیگ فضای خالی برای دیتاست‌ها و 16 گیگ RAM برای راحتی

⚙️ یه CPU مناسب و ترجیحاً یه GPU انویدیا برای کارهای سنگین

🚀 و اینکه آماده‌ی یه تجربه‌ی متفاوت باشی

🧠 قراره چی یاد بگیری؟

🧩 مفاهیم و ساختارهای اصلی داده‌های سه‌بعدی (مش، Point Cloud، Voxel، CAD)

🧩 نحوه‌ی بارگذاری، پردازش و نمایش دادن داده‌های 3D با پایتون

🧩 تکنیک‌های پیشرفته برای شناسایی الگوهای سه‌بعدی

🧩 ساخت دیتاست‌های سه‌بعدی و انجام مدل‌سازی خودکار

🧩 کاربردهای عملی تو Computer Vision، رباتیک، محاسبات علمی، ژئواینتلیجنس و…

🧩 ساخت محیط‌های دیجیتال دقیق برای سیستم‌های Spatial AI و پروژه‌های واقعی

فهرست مطالب

1. مقدمه‌ای بر علم داده‌های سه‌بعدی
2. منابع و ملزومات نرم‌افزاری
3. راه‌اندازی پایتون سه‌بعدی و آماده‌سازی داده‌های 3D
4. نمایش و ساختاردهی داده‌های سه‌بعدی
5. توسعه یک نمایشگر سه‌بعدی چندوجهی با پایتون
6. مهندسی داده‌های Point Cloud
7. ساخت اپلیکیشن‌های تحلیلی سه‌بعدی
8. تحلیل داده‌های سه‌بعدی
9. تشخیص و بازشناسی شکل‌های سه‌بعدی
10. مدل‌سازی سه‌بعدی: تکنیک‌های پیشرفته
11. بازسازی سه‌بعدی ساختمان‌ها با داده‌های LiDAR
12. یادگیری ماشین سه‌بعدی: خوشه‌بندی
13. گراف‌ها و مدل‌های پایه برای بخش‌بندی بدون‌نظارت
14. مبانی یادگیری ماشین سه‌بعدیِ نظارت‌شده
15. یادگیری عمیق سه‌بعدی با PyTorch
16. PointNet برای طبقه‌بندی اشیای سه‌بعدی
17. گردش‌کار (Workflow) علم داده‌های سه‌بعدی
18. از هوش مصنوعی مولد سه‌بعدی تا Spatial AI

👨‍🏫 درباره نویسنده

📡 فلوران پو یکی از چهره‌های برجسته‌ی حوزه‌ی 3D Data Science به حساب میاد. تو دانشگاه‌های مطرح اروپایی تدریس و تحقیق می‌کنه، مدرس ارشد 3D Geodata Academy و مدیر نوآوری شرکت‌های FrenchTech120 هست. بیشتر از ده سال تجربه‌ی حرفه‌ای داره و مهارتش در پایتون و کاربردش در داده‌های سه‌بعدی واقعاً بی‌رقیبه. پژوهش‌ها و پروژه‌های عملی‌ش کلی جایزه گرفته و بازتاب زیادی تو صنعت و دانشگاه داشته. ترکیب نگاه آکادمیک دقیق با دید عملی و محصول‌محور، کتابش رو تبدیل کرده به یه مرجع ارزشمند برای برنامه‌نویس‌ها، دیتا ساینتیست‌ها، مهندس‌ها و پژوهشگرهایی که می‌خوان وارد دنیای داده‌های سه‌بعدی بشن یا کارشون رو به سطح بالاتری ببرن.

Our physical world is grounded in three dimensions. To create technology that can reason about and interact with it, our data must be 3D too. This practical guide offers data scientists, engineers, and researchers a hands-on approach to working with 3D data using Python. From 3D reconstruction to 3D deep learning techniques, you'll learn how to extract valuable insights from massive datasets, including point clouds, voxels, 3D CAD models, meshes, images, and more.

Dr. Florent Poux helps you leverage the potential of cutting-edge algorithms and spatial AI models to develop production-ready systems with a focus on automation. You'll get the 3D data science knowledge and code to:

• Understand core concepts and representations of 3D data
• Load, manipulate, analyze, and visualize 3D data using powerful Python libraries
• Apply advanced AI algorithms for 3D pattern recognition (supervised and unsupervised)
• Use 3D reconstruction techniques to generate 3D datasets
• Implement automated 3D modeling and generative AI workflows
• Explore practical applications in areas like computer vision/graphics, geospatial intelligence, scientific computing, robotics, and autonomous driving
• Build accurate digital environments that spatial AI solutions can leverage

Florent Poux is an esteemed authority in the field of 3D data science who teaches and conducts research for top European universities. He's also head professor at the 3D Geodata Academy and innovation director for French Tech 120 companies.

Who Should Read This Book?

This book is a practical reference for data scientists, engineers, and anyone curious about working with 3D data. It assumes very little, and you’ll find value even without any understanding of Python programming and little familiarity with fundamental data science concepts.

Moreover, no prior experience with 3D data processing is necessary. I will guide you through the essential libraries and techniques step by step, ensuring that you can apply the knowledge to real-world scenarios in a 0-to-1 fashion.

Prerequisites

To best prepare to progress through this book, you need:

• A computer with Windows, macOS, or Linux
• 100 GB of free HDD (to download the data) and 16 GB of RAM (to be comfortable)
• A decent CPU (for performance) and an NVIDIA GPU (optional but recommended)
• To be ready for a transformative experience

What Will You Learn?

In this book, we dive deep into 3D data science with Python, building 3D workflows and wielding Python to implement solutions. You will learn:

• The core concepts and representations of 3D data (meshes, point clouds, voxels, CAD)
• How to load, manipulate, and visualize 3D data using powerful Python libraries
• Advanced techniques for 3D pattern recognition (supervised and unsupervised)
• How to generate 3D datasets and leverage 3D automated modeling workflows
• Practical applications of 3D data science in areas like computer vision/graphics, geospatial intelligence, scientific computing, robotics, and autonomous driving
• How to build accurate digital environments that spatial AI solutions (perception and reasoning) can leverage through real-world projects

Table of Contents

Chapter 1. Introduction to 3D Data Science

Chapter 2. Resources and Software Essentials

Chapter 3. 3D Python and 3D Data Setup

Chapter 4. 3D Data Representation and Structuration

Chapter 5. Developing a Multimodal 3D Viewer with Python

Chapter 6. Point Cloud Data Engineering

Chapter 7. Building 3D Analytical Apps

Chapter 8. 3D Data Analysis

Chapter 9. 3D Shape Recognition

Chapter 10. 3D Modeling: Advanced Techniques

Chapter 11. 3D Building Reconstruction from LiDAR Data

Chapter 12. 3D Machine Learning: Clustering

Chapter 13. Graphs and Foundation Models for Unsupervised Segmentation

Chapter 14. Supervised 3D Machine Learning Fundamentals

Chapter 15. 3D Deep Learning with PyTorch

Chapter 16. PointNet for 3D Object Classification

Chapter 17. The 3D Data Science Workflow

Chapter 18. From 3D Generative AI to Spatial AI

About the Author

Florent Poux is an esteemed authority in the field of 3D data science. He teaches and conducts research for top EU Universities. He is also the Head Professor of the 3D Geodata Academy and Innovation Director for FrenchTech120 Companies. With a decade of experience, Florent's expertise in Python and its applications to 3D data is unrivaled. His groundbreaking research and real-world contributions have garnered acclaim in academia and industries with several awards. His unique journey merges a deep academic perspective with a pragmatic view of creating innovative 3D products and solutions. Whether you're a coder, data scientist, engineer, or curious researcher, Florent's insights will propel you toward new frontiers and exciting opportunities in this rapidly evolving field.